Question

我有一个客户在单独的页面上使用单独的vCard。这些被粘贴到wordpress文本字段中。（这不是维护人员列表的最有效方式，但我不会在事后进行编辑。）我的任务是编写一些内容来解析vCards中的所有地址并将信息转储到中央数据库中。这将允许所有不同的页面成为充满谷歌的lat和lng坐标的地址，并显示一个可爱的首页，其中的针脚很多。
此页面将显示该网站其余页面的所有vcards。

哦，这是网站上vcard的一个例子，已经消毒了，实际上它会被很多可疑的HTML代码所包围：

<div class="vcard">
<span class="fn org">XYZ Org Name</span><br />
<span class="url">http://www.someurl.com/</span>
<div class="adr"><span class="street-address">1234 Main Ave</span><br />
<span class="locality">Chicago</span><br />
<span class="region">IL</span><br /><span class="postal-code">60647</span></div>
</div>

现在，每个页面都有其中一个，并通过整个网站蜘蛛，并将它们收集到一个数组中有点超出我的联盟。我可以使用PHP和mySQL将它们转储到数据库中欢迎提出任何建议！编辑：不确定这有多重要，但我从其他服务器提取数据。

Answer 1

我相信您正在寻找HTML解析器。 Here是用于python的HTML解析模块

您需要从所有HTML文件中解析相关数据，然后对其执行任何操作。

我没有尝试任何php html解析器推荐任何但是因为你正在开发一个webserver我希望它有perl吗？看看perl html parsers。

＃此代码段将获取组织名称的内容

 sub start {
      my ($self, $tag, $attr, $attrseq, $origtext) = @_;

      if ($tag =~ /^span$/i && $attr->{'class'} =~ /^fn org$/i) {
          # see if we find <span class="fn org"
          push (@org_names, $origtext);
      } 
  }

现在您拥有包含所有组织名称的@org_names数组。

Answer 2

尝试DOMDocument类'loadHTML method。然后，您可以使用DOMDocument方法选择所需的节点，属性和值。或者，如果您熟悉XPath，还可以实例化DOMXPath对象以查询加载的DOMDocument以选择所需的数据。

将网页上的vCard解析为MySQL数据库

2 个答案: