Question

我想从我拥有的某些html页面获取一些数据，然后将数据存储在数据库中。

HTML文件有一个博客列表，它们的组织方式如下：

 <div class="breadlist"></div>    

    <h3 class="list"><a href="http://test1.com">Title 1</a></h3>
    <p><strong>Description:</strong> Description 1.<br>
    <strong>Author:</strong> Author1<br>
    <strong>XML:</strong> <a href="http://test1.com/feed">Title 1</a><br>
    <strong>Language:</strong> Language1</p>

    <h3 class="list"><a href="http://test2.com">Title 2</a></h3>
    <p><strong>Description:</strong>Description 2. <br>
    <strong>Author:</strong> Author1<br>
    <strong>XML:</strong> <a href="http://test2.com/feed">Title 2</a>  
    <strong>Language:</strong> Español</p>

<div class="breadlist"></div>

在此示例中，有2个博客，但有时会有10个甚至100个博客。每个文件都有不同的金额。我想得到这些数据：

Website Address, Title, Description, Author, Feed, Language.

我试图用 PHP Simple HTML DOM Parser 来做这件事，但今天是我第一次尝试而无法到达任何地方。我想我必须循环一些但不知道该怎么做。任何人都知道如何用PHP做到这一点？谢谢！

---- ---- EDIT 这是我到目前为止所尝试的：

$str = <<<HTML
<div class="breadlist"></div>    

    <h3 class="list"><a href="http://test1.com">Title 1</a></h3>
    <p><strong>Description:</strong> Description 1.<br>
    <strong>Author:</strong> Author1<br>
    <strong>XML:</strong> <a href="http://test1.com/feed">Title 1</a><br>
    <strong>Language:</strong> Language1</p>

    <h3 class="list"><a href="http://test2.com">Title 2</a></h3>
    <p><strong>Description:</strong>Description 2. <br>
    <strong>Author:</strong> Author1<br>
    <strong>XML:</strong> <a href="http://test2.com/feed">Title 2</a>  
    <strong>Language:</strong> Español</p>

<div class="breadlist"></div>
HTML;

$html = str_get_html($str);
    foreach($html->find('h3[class=list]') as $title){
       echo "Title: " . $title->innertext . "<br />";
    }
    foreach($html->find('h3[class=list] a') as $address){
       echo "Address: " . $address->href . "<br />";       
}
 foreach($html->find('p') as $description){

       echo "Description: " . $description->childNodes(3)->plaintext . "<br />"; //doesnt work
 }
 foreach($html->find('p a') as $feed){
       echo "Feed: " . $feed->href . "<br />";       
}
 foreach($html->find('h3[class=list] a') as $language){
       echo "Language: " . $language->innertext . "<br />"; // doesnt work       
}

Answer 1

使用strip_tags：

echo strip_tags($html_text);

如果HTML代码中的数据总是处于相同的顺序，则可能就足够了。

Answer 2

我找不到办法，所以我只是以一种可以使用PHP Simple HTML DOM Parser的方式进行查找，替换和修改

动态抓取HTML

2 个答案: