使用 PHP 解析 HTML 以获取多篇同类文章的数据答案

【问题标题】：Parsing HTML with PHP to get data for several articles of the same kind使用 PHP 解析 HTML 以获取多篇同类文章的数据
【发布时间】：2011-12-17 18:48:10
【问题描述】：

我正在开发一个分析优惠券网站并列出这些优惠券的网站。有一些网站以 XML 文件的形式提供他们的列表——这些都没有问题。但也有一些网站不提供 XML。我正在考虑解析他们的网站并从网站内容中获取优惠券信息 - 使用 PHP 从 HTML 中获取该数据。例如，您可以看到以下站点：

http://www.biglion.ru/moscow/

我正在使用 PHP。所以，我的问题是 - 有没有一种相对简单的方法来解析 HTML 并获取该网站上列出的每个优惠券的数据，就像我在解析 XML 时得到的一样？

感谢您的帮助。

【问题讨论】：

标签： php parsing dom

【解决方案1】：

您始终可以使用DOM parser，但从网站抓取内容充其量是不可靠的。

如果他们的布局变化如此细微，您的应用可能会失败。哦，在大多数情况下，这样做也违反了大多数网站的 TOS..

【讨论】：

您好，感谢您的回答。我刚刚找到了一个名为 PHP Simple HTML DOM Parser 的好软件。这确实有效。

【解决方案2】：

虽然使用 DOM 解析器似乎是个好主意，但我通常更喜欢使用好的旧正则表达式进行抓取。它的工作量要少得多，如果网站改变了它的布局，不管你的方法是什么，你都会被搞砸。但是，如果使用足够智能的正则表达式，您的代码应该不会受到不会直接影响您感兴趣的部分的更改。

要记住的一件事是在提供一些类名时在正则表达式中包含它们，但假设任何东西都可以在您需要的信息之间。例如

preg_match_all('#class="actionsItemHeadding".*?<a[^>]*href="([^"]*)"[^>]*>(.*?)</a>#s', file_get_contents('http://www.biglion.ru/moscow/'), $matches, PREG_SET_ORDER);
print_r($matches);

【讨论】：

【解决方案3】：

如果您更喜欢使用 php，最可靠的方法是 Php DOM Parser。这是仅解析元素的示例。

// Include the library
include('simple_html_dom.php');


// Retrieve the DOM from a given URL
$html = file_get_html('http://mypage.com/');
// Find all "A" tags and print their HREFs
foreach($html->find('a') as $e) 
echo $e->href . '<br>';

我也提供some more information 关于解析其他 html 元素的信息。希望对你有用。

【讨论】：