使用简单的 HTML DOM 来抓取？

Question

简单的 HTML DOM 基本上是您添加到页面的 php，它可以让您进行简单的网络抓取。这在大多数情况下都很好，但我无法弄清楚手册，因为我不是一个编码员。是否有任何网站/指南可以为此提供更简单的帮助？ （php.net上的那个对我来说有点太复杂了）有没有更好的地方问这种问题？

它的网址是：http://simplehtmldom.sourceforge.net/manual.htm

我可以抓取具有特定类的内容，例如 <tr class="group">，但不能抓取介于两者之间的内容。例如..这是我目前使用的...

$url = 'http://www.test.com';
$html = file_get_html($url);
foreach($html->find('tr[class=group]') as $result)
  {
    $first = $result->find('td[class=category1]',0);
    $second = $result->find('td[class=category2]',0);
    echo $first.$second;
  }
}

但这是我试图抓取的那种代码。

<table>
  <tr class="Group">
    <td>
      <dl class="Summary">
        <dt>Heading 1</dt>
          <dd><a href="#123" class="ViewProfile">Cat</a></dd>
          <dd><a href="#032" class="ViewProfile">Bacon</a></dd>
        <dt>Heading 2</dt>
          <dd><a href="#143" class="ViewProfile">Narwhal</a></dd>
          <dd><a href="#642" class="ViewProfile">Ice Soap</a></dd>
      </dl>
    </td>
  </tr>
</table>

我正在尝试提取每个<dt> 的内容并将其放入一个变量中。然后我试图提取每个<dd> 的内容并将其放入一个变量中，但我没有尝试过任何工作。这是我能找到的最好的，但它只会重复返回第一个标题，而不是返回第二个标题。

foreach($html->find('tr[class=Summary]') as $result2)
  {
    echo $result2->find('dt',0)->innertext;
  }

感谢任何可以提供帮助的人。抱歉，如果不清楚或太长了。理想情况下，我希望能够更多地理解这些 DOM 命令，因为我想自己解决这个问题，而不是这里的某个人只是这样做（但我也很感激）。

TL;DR: 我正在尝试了解如何使用手册中列出的命令（上面的网址）。 “手册”还不够简单。你如何去学习这些东西？

Answer 1

我认为$result2->find('dt',0) 会给你返回元素0，这是第一个。如果你忽略它，你应该能够得到一个数组 (or nodelist) 。像这样的：

foreach($html->find('tr[class=Summary]') as $result2)
{
    foreach ($result2->find('dt') as $node)
    {
       echo $node->innertext;
    }
}

您并不严格需要外部 for 循环，因为您的文档中只有 1 个 tr。你甚至可以完全放弃在文档中找到每个dt，但是对于像这样的工具，我认为既灵活又严格是一件好事，所以你准备好处理多行，但不要意外解析@ 987654325@s 来自文档中的任何位置。