首页 > php教程 > php手册 > 正文

PHP使用DomDocument抓取HTML内容

php中文网
发布: 2016-06-06 20:11:03
原创
1395人浏览过

有时候会有需要从一个html页面来分离出你需要的一些数据来进行处理。 当然自己分析文件肯定可以,但是比较快速且方便的是使用正则表达式或者DOM。 鉴于正则表达式我不熟悉,所以我打算使用DOM来完成。 先谈谈我的需求,我要从一个HTML页面的一个表格中提取数

有时候会有需要从一个html页面来分离出你需要的一些数据来进行处理。

当然自己分析文件肯定可以,但是比较快速且方便的是使用正则表达式或者DOM。

鉴于正则表达式我不熟悉,所以我打算使用DOM来完成。

先谈谈我的需求,我要从一个HTML页面的一个表格中提取数据并且将这个数据整理出来加入到MySQL数据库中。

假设目标HTML中我感兴趣的Table有3列,分别是ID,Name,内容。

立即学习PHP免费学习笔记(深入)”;

index.php;

<?php
/*
 * To change this template, choose Tools | Templates
 * and open the template in the editor.
 */
 $urlTarget = "http://www.xxxx.com/targethtmlpage.html";
require_once('ContentManager.php');
//建立Dom对象,分析HTML文件;
 $htmDoc = new DOMDocument;
 $htmDoc->loadHTMLFile($urlTarget );
 $htmDoc->normalizeDocument();
//获得到此文档中每一个Table对象;
 $tables_list = $htmDoc->getElementsByTagName('table');
//测试Table Count;
 $tables_count = $tables_list->length;
 foreach ($tables_list as $table)
 {
 //得到Table对象的class属性
 $tableProp = $table->getAttribute('class');
 if ($tableProp == 'target_table_class')
 {
 $contentMgr = new ContentManager();
 $contentMgr->ParseFromDOMElement($table);
//这里myParser就完成了分析动作。然后就可以进行需要的操作了。
 //比如写入MySQL。
 $contentMgr->SerializeToDB();
 }
 }
 ?>
登录后复制

 
ContentManager.php

<?php
/*
 * To change this template, choose Tools | Templates
 * and open the template in the editor.
 */
/**
 * Description of ContentParser
 *
 * @author xxxxx
 */
 require_once('ContentInfo.php');
 class ContentManager {
 //put your code here
 var $ContentList;
 public function __construct() {
 $this->ContentList = new ArrayObject();
 }
public function ParseFromDOMElement(DOMElement $table)
 {
 $rows_list = $fundsTable->getElementsByTagName('tr');
 $rows_length = $rows_list->length;
 $index = 0;
foreach ($rows_list as $row)
 {
 $contentInfo = new ContentInfo();
 $contentInfo->ParseFromDOMElement($row);
 $this->ContentList->append ($contentInfo);
 }
//test how many contents parsed.
 $count = $this->fundsInfoArray->count();
 echo $count;
 }
public function SerializeToDB()
 {
 //写入数据库,代码略。
 }
 }
?>
登录后复制

contentinfo.php

<?php
/*
 * To change this template, choose Tools | Templates
 * and open the template in the editor.
 */
/**
 * Description of ContentInfo
 *
 * @author xxxxx
 */
class ContentInfo {
    //put your code here
    var $ID;
    var $Name;
    var $Content;
    public function ParseFromDOMElement(DOMElement $row)
    {
        $cells_list = $row->getElementsByTagName('td');
        $cells_length = $row->length;
        $curCellIdx = 0;
        foreach ($cells_list as $cell)
        {
            switch ($curCellIdx++)
            {
                case 0:
                    $this->ID = $cell->nodeValue;
                    break;
                case 1:
                    $this->Name = $cell->nodeValue;
                    break;
                case 2:
                    $this->Content = $cell->nodeValue;
                    break;
            }
        }
    }
}
?>
登录后复制

一点小心得,DOM中每个Element都可以getAttribute取出属性,这些属性可以区分你分析的DOMObject。

举例来说,比如上述我分析的Target HTML有很多表格,但是我发现目标表格的class属性和其他表格是不一样的。

所以,这个属性就可以来区分我要分析的是哪个表格。

当然更多DOM的东西,大家可以去参考PHP Manual或者是,用IDE(NetBeans7.0就可以)转到类声明,看类接口。

有方法使用说明以及参数说明。可以参考参考。

转载自:http://blog.csdn.net/xyzhaopeng/article/details/6626340

PHP速学教程(入门到精通)
PHP速学教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载
来源:php中文网
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn
最新问题
开源免费商场系统广告
热门教程
更多>
最新下载
更多>
网站特效
网站源码
网站素材
前端模板
关于我们 免责申明 意见反馈 讲师合作 广告合作 最新更新
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号 技术交流群
PHP中文网订阅号
每天精选资源文章推送
PHP中文网APP
随时随地碎片化学习
PHP中文网抖音号
发现有趣的

Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号