Question

我是PHP开发的新手，我想提取元标记的内容。

我有这个代码，允许我提取元素#quad的内容。

// Pull in PHP Simple HTML DOM Parser
include("simplehtmldom/simple_html_dom.php");

// Settings on top
$sitesToCheck = array(
                    // id is the page ID for selector
                    array("url" => "http://www.arsenal.com/first-team/players", "selector" => "#squad"),
                    array("url" => "http://www.liverpoolfc.tv/news", "selector" => "ul[style='height:400px;']")
                );
$savePath = "cachedPages/";
$emailContent = "";

// For every page to check...
foreach($sitesToCheck as $site) {
    $url = $site["url"];

    // Calculate the cachedPage name, set oldContent = "";
    $fileName = md5($url);
    $oldContent = "";

    // Get the URL's current page content
    $html = file_get_html($url);

    // Find content by querying with a selector, just like a selector engine!
    foreach($html->find($site["selector"]) as $element) {
        $currentContent = $element->plaintext;;
    }

    // If a cached file exists
    if(file_exists($savePath.$fileName)) {
        // Retrieve the old content
        $oldContent = file_get_contents($savePath.$fileName);
    }

    // If different, notify!
    if($oldContent && $currentContent != $oldContent) {


        // Build simple email content
        $emailContent = "Hey, the following page has changed!\n\n".$url."\n\n";
    }

    // Save new content
    file_put_contents($savePath.$fileName,$currentContent);
}

// Send the email if there's content!
if($emailContent) {
    // Sendmail!
    mail("me@myself.name","Sites Have Changed!",$emailContent,"From: alerts@myself.name","\r\n");
    // Debug
    echo $emailContent;
}

但我想更改此代码以获取收入中的评论数量。

这是元标记，我只是提取注释的数量：

<meta item="desc" content="Comments:645">

我清楚了，你了解我吗？

如果我不够明确，请问我？

感谢您的帮助

Answer 1

有两种方法可以做到这一点。您可以使用本机PHP函数：get_meta_tags()，如下所示：

$tags = get_meta_tags('http://yoursite.com');
$comments = $tags['desc'];

或者您可以使用RegEx，但上述内容会更实用。

Answer 2

您正在寻找的可能是屏幕抓取。

这是一个编程语言如php，python或ruby在内存中加载网站并使用各种选择器从中获取内容的过程。屏幕抓取主要用于具有大量有趣数据但没有json或xml API的网站

我正在搜索它，我偶然发现了这篇文章： PHP equivalent of PyQuery or Nokogiri?

本文详细介绍了有关网页抓取的内容： http://en.wikipedia.org/wiki/Web_scraping

Answer 3

寻找使用domDocument

    $dom = new domDocument;
    $dom->loadHTML($htmlPage);
    $metas = $dom->documentElement->getElementsByTagName('meta');
    $ar = array();
    foreach ($metas as $meta) {
        $name = $meta->getAttribute('name');
        $value = $meta->getAttribute('content');
        $ar[$name] = $value;
    }
    print_r($ar); // print array meta-values

在php中提取元元素的内容？

3 个答案: