使用 PHP 和 HTML DOM Parser 进行 Web 抓取

Question

我正在尝试在代码中抓取网站，但我会以表格格式。

$url='http://www.arbworld.net/en/moneyway';
    libxml_use_internal_errors( true );
    $dom=new DOMDocument;
    $dom->validateOnParse=false;
    $dom->recover=true;
    $dom->strictErrorChecking=false;
    $dom->loadHTMLFile( $url );
    libxml_clear_errors();


    $xp=new DOMXPath( $dom );
    $col=$xp->query('//table[@class="grid"]/tr[@class="belowHeader"]/td');

    if( $col->length > 0 ){
        foreach( $col as $node )echo $node->textContent;
    }

现在输出是这样的：

罗马尼亚联赛 I22.Dec 18:00:00 FCSBUniversitat2.063.33.999.9 %€ 2070.1 %€ 00 %€ 0€ 207 22.Dec 18:00:00 意大利甲级联赛 A22.Dec 11:30:00 亚特兰大AC米兰1.8844.499.7 %€ 21 5580.1 %€ 170.2 %€ 46€ 21 622 22.Dec 11:30:00 英格兰联赛 221.Dec 15:0 0:00

Answer 1

您应该检索行而不是列（末尾没有 /td），然后简单地将所有内容放入 HTML 表中，每行一个 <tr>：

<?php
// your current code

$xp = new DOMXPath($dom);
$rows = $xp->query('//table[@class="grid"]/tr[@class="belowHeader"]');
?>

<table>
  <tbody>
  <?php foreach ($rows as $row): ?>
    <tr>
    <?php foreach ($row->childNodes as $col): ?>
      <?php if ($col->getAttribute('style') !== 'display:none'): ?>
        <?php foreach ($col->childNodes as $colPart): ?>
          <?php if ($colText = trim($colPart->textContent)): ?>
          <td><?= $colText ?></td>
          <?php elseif ($colPart instanceof DOMElement && $colPart->tagName === 'a'): ?>
            <?php
            $href = $colPart->getAttribute('href');
            if (strpos($href, 'javascript') !== 0):
            ?>
            <td><?= $colPart->getAttribute('href') ?></td>
            <?php endif ?>
          <?php endif ?>
        <?php endforeach ?>
      <?php endif ?>
    <?php endforeach ?>
    </tr>
  <?php endforeach ?>
  </tbody>
</table>