Question

我正在尝试从网页上抓取数据，但我需要在this link中获取所有数据。

include 'simple_html_dom.php';
$html1 = file_get_html('http://www.aktive-buergerschaft.de/buergerstiftungen/unsere_leistungen/buergerstiftungsfinder');

$info1 = $html1->find('b[class=[what to enter herer ]',0);

我需要从this site获取所有数据。

Bürgerstiftung Lebensraum Aachen
    rechtsfähige Stiftung des bürgerlichen Rechts
    Ansprechpartner: Hubert Schramm
    Alexanderstr. 69/ 71
    52062 Aachen
    Telefon: 0241 - 4500130
    Telefax: 0241 - 4500131
    Email: info@buergerstiftung-aachen.de
    www.buergerstiftung-aachen.de
    >> Weitere Details zu dieser Stiftung

Bürgerstiftung Achim
    rechtsfähige Stiftung des bürgerlichen Rechts
    Ansprechpartner: Helga Kühn
    Rotkehlchenstr. 72
    28832 Achim
    Telefon: 04202-84981
    Telefax: 04202-955210
    Email: info@buergerstiftung-achim.de
    www.buergerstiftung-achim.de
    >> Weitere Details zu dieser Stiftung

我需要拥有链接“后面”的数据 - 有没有办法用简单易懂的解析器来实现这一点 - 一个可以被新手理解和编写的解析器！？

Answer 1

您提供的链接已关闭，我建议你使用本机PHP“DOM”扩展而不是“简单的html解析器”，它会更快更容易;）我使用googlecache看了一下页面，你可以使用类似的东西： -

$doc = new DOMDocument;
@$doc->loadHTMLFile('...URL....'); // Using the @ operator to hide parse errors
$contents = $doc->getElementById('content')->nodeValue; // Text contents of #content

Answer 2

似乎要写在documentation：

中

$html1->find('b[class=info]',0)->innertext;

Answer 3

从我可以快速浏览的内容中，您需要遍历＆lt; dl＆gt; #content中的标签，然后是dt和dd。

foreach ($html->find('#content dl') as $item) {
     $info = $item->find('dd');
     foreach ($info as $info_item) {..}
}

使用simple_html_dom库

Answer 4

XPath使得删除非常简单，并允许HTML文档中的某些更改不会影响您。例如，要提取名称，您将使用如下所示的查询：

//div[id='content']/d1/dt

一个简单的Google search将为您提供大量的教程

Answer 5

@zero：有一个很好的网站可以尝试使用php和python来删除一个网站...对我来说非常有用的网站： - http://scraperwiki.com/

Answer 6

我使用WWW：Mechanize

http://search.cpan.org/dist/WWW-Mechanize/lib/WWW/Mechanize.pm

如何使用简单的html dom解析器从scrape中抓取特定数据

6 个答案: