使用 PHP 从 html 代码中抓取所需的数据答案

【问题标题】：Scrape desired data from html code using PHP使用 PHP 从 html 代码中抓取所需的数据
【发布时间】：2015-11-04 05:04:58
【问题描述】：

下面是我要从中获取一些数据的 html 代码。

<div class="NS_projects__stats">
    <div class="digits_4" id="stats">
        <div class="row">
            <div class="col col-12 mb1 stat-item">
                <div class="num h1 bold" data-backers-count="107" id="backers_count">
                    <data class="Project1135352094" data-format="number" data-value="107" itemprop="Project[backers_count]">107</data>
                </div>
                <span class="bold h5">backers</span>
            </div>
            <div class="col col-12 mb1 stat-item">
                <div class="num h1 bold nowrap" data-goal="8000.0" data-percent-raised="0.909875" data-pledged="7279.0" id="pledged">
                    <data class="Project1135352094" data-currency="EUR" data-format="shorter_money" data-precision="0" data-value="7279.0" data-without_code="true" itemprop="Project[pledged]">€7,279</data>
                    <span class="money eur project_currency_code"></span>
                </div>
                <span class="bold h5">
                    pledged of <span class="money eur no-code">€8,000</span>
                    <span class="mobile-hide">goal</span>
                </span>
            </div>
            <span data-duration="30.041666666666668" data-end_time="2015-11-27T14:32:42-05:00" data-hours-remaining="566.7967307435142" id="project_duration_data"></span>
            <div class="col col-12 stat-item">
                <div class="num h1 bold">23</div>
                <span class="text bold h5">days to go</span>
            </div>
        </div>
    </div>
</div>

我必须从上面的 html 代码中获取以下数据：

107 位支持者

承诺 7,279 欧元，目标 8,000 欧元

还有 23 天

我成功抓取了第一个，但无法获取第二个和第三个。下面是我的 PHP 代码（使用 CURL）来获取第一个。

$html = get($url); //get function uses CURL and gets html data
$pattern = "/<div class=\"num h1 bold\"(.*?)<\/div>/s";
preg_match($pattern,$htm,$match);
$match[1] = "<div".$match[1]."</div>";
return strip_tags($match[1]);

【问题讨论】：

您不应该使用正则表达式解析 HTML。 stackoverflow.com/a/1732454/1245478
Scrape web page contents的可能重复

标签： php html curl

【解决方案1】：

$pattern = "/<div class=\"num h1 bold\"(.*?)<\/div>/s";
$pattern2 = "/<div class=\"col col-12 mb1 stat-item\"(.*?)<\/div>/s";
$pattern3 = "/<div class=\"col col-12 stat-item\"(.*?)<\/div>/s";

【讨论】：

但是有两个名为“col col-12 mb1 stat-item”的类不会造成问题吗？

【解决方案2】：

试试这个，

function rip_tags($string) { 

    // ----- remove HTML TAGs ----- 
    $string = preg_replace ('/<[^>]*>/', ' ', $string); 

    // ----- remove control characters ----- 
    $string = str_replace("\r", '', $string);    // --- replace with empty space
    $string = str_replace("\n", ' ', $string);   // --- replace with space
    $string = str_replace("\t", ' ', $string);   // --- replace with space

    // ----- remove multiple spaces ----- 
    $string = trim(preg_replace('/ {2,}/', ' ', $string));

    return $string; 

}

$html = get($url); //get function uses CURL and gets html data
echo rip_tags($html);

结果：107 名支持者承诺 7,279 欧元，目标是 23 天后达到 8,000 欧元
可以根据要求进一步修改。供参考，请查看here

【讨论】：

非常感谢，我从来没有这样想过，但仍然存在自动将€转换为$的问题。我没有得到 8,000 欧元的 7,279 欧元的承诺，而是 8,850 美元目标的 8,051 美元的承诺。我应该声明一些字符编码或类似的东西吗？
页面上是否还写了其他代码。如果是这样，你能不能分享一下。
我正在从下面的链接kickstarter.com/projects/35540661/…获取内容
请检查，curl返回的html数据有欧元符号或$符号。

【解决方案3】：

我建议将 HTML-String 解析为 HTML...

你可以使用http://php.net/manual/en/domdocument.loadhtml.php。

或其他一些第 3 方解析器。（我之前用过http://simplehtmldom.sourceforge.net，还不错）。

【讨论】：