我想从网站上抓取 17 个值。
这是包含数据的页面的网址：http://www.bungie.net/stats/reach/online.aspx
在页面的左下方有标题为“ONLINE PLAYLIST”的无序列表 我想抓取包含此类信息的每个列表项中的玩家数量。数字只能是数字，即没有逗号。
【问题讨论】：
标签： php regex web-scraping
$c = curl_init();
curl_setopt_array($c, array(
CURLOPT_URL => 'http://www.bungie.net/stats/reach/online.aspx',
CURLOPT_RETURNTRANSFER => true,
));
$r = curl_exec($c);
curl_close($c);
preg_match_all('|([^<>]+)</a> </h4>\s*([0-9,]+) Players|s', $r, $m);
$teams = array_combine($m[1], $m[2]);
foreach ($teams as &$v) $v = str_replace(',','',$v);
echo '<pre>'.print_r($teams,1).'</pre>';
目前的输出：
Array
(
[NOBLE MAP PACK] => 997
[RUMBLE PIT] => 4117
[LIVING DEAD] => 6638
[TEAM SLAYER] => 7730
[MLG] => 586
[TEAM SWAT] => 6358
[TEAM SNIPERS] => 2145
[TEAM OBJECTIVE] => 758
[MULTI TEAM] => 1707
[BIG TEAM BATTLE] => 5706
[INVASION] => 2881
[FIREFIGHT] => 2780
[SCORE ATTACK] => 1121
[CO-OP CAMPAIGN] => 695
[TEAM ARENA] => 393
[DOUBLES ARENA] => 680
[FFA ARENA] => 120
)
编辑：修复了名称捕获组，以便捕获“CO-OP”，而不仅仅是“OP”。
【讨论】：
$nmp = $teams[NOBLE MAP PACK];print $nmp; php 认为 PACK 是打包/解包功能......
$nmp = $teams['NOBLE MAP PACK'];print $nmp;
在我看来，这里只需要一点正则表达式。我最近在 PERL 中做了类似的事情，这并不是非常棘手，并且在网上也有很多有用的线程和教程。
检查页面，看起来每个列表项都分配了一个名为“glowBox”的类。我会尝试获取页面的全文/源代码，然后进行过滤，以便您只有以此类开头的部分。或者，您可以使用前瞻或后瞻来检查数字是否在“之前或之后”。一旦缩小范围，您将需要一个捕获组来提取数字作为您以后可以使用的东西。在PERL，捕获的字符串会自动分配给变量 $1、$2、$3...等。如果您只是遍历执行正则表达式的无序列表的每一行，您应该只需要 $1 来捕获数字。
您的捕获组可能如下所示：(\d+)
括号使它成为一个捕获组，\d 它只会匹配数字字符，而 + 意味着为了捕获任何东西，\d 必须至少匹配一次。不确定您的要求是什么，但如果您同时需要名称和数字，PERL 可以轻而易举地从页面中抓取必要的数据并将其转换为带有键/值对的散列。
一定要看看http://www.regexr.com，有点像 CSS 禅宗花园的正则表达式。您可以将整个页面源粘贴到其中并使用正则表达式，直到它找到您想要的，并且只找到您想要的。有关正则表达式奇怪语法的更多信息和解释，请从 here 开始，显然，请使用 google。
编辑：似乎为时已晚。
【讨论】：