我需要从远程 url 的 html 中获取数据

Question

我需要一个接受这个 ul 的脚本：

<ul id="activitylist">
    <li class="activitybit forum_thread">
        <div class="avatar"> <img alt="secret team's Avatar" src="images/misc/unknown.gif" title="secret team's Avatar"> </div>
        <div class="content hasavatar">
        <div class="datetime"> <span class="date">Today,&nbsp;<span class="time">11:25pm</span></span> </div>
        <div class="title"> <a class="username" href="member.php/436070-secret-team">secret team</a> started a thread <a href="showthread.php/415403-Allow-VIDEO-Code-missing-in-settings">'Allow [VIDEO] Code' missing in settings</a> </div>
        <div class="views">0 replies | 0 view(s)</div>
    </li>
</ul>

一个ul中有10到15个子li。我需要线程有 0 个回复的每个子 li 的线程名称。我在上面发布了一个示例 li。所以对于那个例子，我需要这个文本：

'Allow [VIDEO] Code' missing in settings

这个 div 有 0 个回复作为文本：

 <div class="views">0 replies | 0 view(s)</div>

我有这个示例代码，但它不能正常工作。

<?php
$request_url = 'https://www.vbulletin.com/forum/activity.php';

$ch = curl_init();
curl_setopt($ch, CURLOPT_URL, $request_url); // The url to get links from
curl_setopt($ch, CURLOPT_RETURNTRANSFER, true); // We want to get the respone
$result = curl_exec($ch);

$sPattern = "/<li class=\"activitybit forum_thread\">(.*?)<\/li>/s";
preg_match_all($sPattern, $result, $parts);
$links = $parts[1];
foreach ($links as $link) {
    if (stripos($link, "0 replies") !== false) {
        echo $link . "<br>";
    }
}
curl_close($ch);
?>

Answer 1

这是一个可以解析任何种HTML的正则表达式：

$regex = new DOMDocument;
$regex->loadHTML($html);

现在很严重。 DOMDocument 已解析您的所有 HTML。您现在可以使用these 和these 函数遍历标签并提取它们的属性和内容。但是使用名为DOMXPath 的伴生类要容易得多：

$xpath = new DOMXpath($regex);
foreach ($xpath->query("//ul[@id='activitylist']/li") as $li) {
    $view = $xpath->query(".//div[@class='views']", $li)->item(0);
    $link = $xpath->query(".//div[@class='title']/a", $li)->item(1);
    if (preg_match("/0 replies/", $view->nodeValue)) {
        echo $link->nodeValue . " (" . $link->getAttribute("href") . ")\n";
    }
}

这将输出一些关于您的 HTML 不完美的警告以及以下内容：

'Allow [VIDEO] Code' missing in settings (showthread.php/415403-Allow-VIDEO-Code-missing-in-settings)

您可以阅读有关使用 Regex PHP 解析 HTML here 的更多信息。 XPath 示例的完整列表是available here。