Question

可能重复：
How to parse and process HTML with PHP?

我想检索网页的页眉和页脚（所有者知道这一点）并将其显示在新页面上，以便我可以添加不同的内容。该页面结构非常漂亮，div内容为id内容，所以我想我可以做到以下几点：

使用CURL检索html 在内容的任一侧获取HTML 回到新页面

我的问题是我不太懂PHP，所以我不确定如何在两侧使用两块html。我之前在Java中使用过substring，但PHP中的substr似乎有点不同。有人可以建议替代方案吗？

由于

Answer 1

Substring和RegEx不是处理HTML的足够工具。使用DOM解析器最好（也更容易）。

看看DOMDocument class。它支持加载HTML，并允许您轻松遍历文档。

Answer 2

要抓取我使用HTML DOM parser的网页。这对你来说是最简单的方法。您可以在此帖子中找到更多工具：How to parse and process HTML with PHP?

Answer 3

前几天我做了类似的事情。我选择使用jQuery，Ajax和PHP来收集页面并将其分解。我已经包含了我的代码的稀释版本。

对于PHP，我使用了CURL（get-url.php）：

$requestURL = $_GET['url'];
$curl_handle=curl_init();
curl_setopt($curl_handle, CURLOPT_URL, $requestURL);
curl_setopt($curl_handle, CURLOPT_CONNECTTIMEOUT, 10);
curl_setopt($curl_handle, CURLOPT_RETURNTRANSFER, TRUE);
curl_setopt($curl_handle, CURLOPT_AUTOREFERER, TRUE);
curl_setopt($curl_handle, CURLOPT_FRESH_CONNECT, TRUE);
curl_setopt($curl_handle, CURLOPT_FOLLOWLOCATION, TRUE);
curl_setopt($curl_handle, CURLOPT_MAXREDIRS, 10);
curl_setopt($curl_handle, CURLOPT_DNS_USE_GLOBAL_CACHE, FALSE);
curl_setopt($curl_handle, CURLOPT_FORBID_REUSE, TRUE);
$content = curl_exec($curl_handle);
curl_close($curl_handle);
echo $content;

然后对于我使用的Ajax：

var url = /* URL you want to retrieve */;
$.ajax({
        url: "get-url.php?url=" + url,
        type: "GET",
        dataType: "html",
        cache: false,
        success: function(data, textStatus, jqXHR){
            var header = data.find('#header').html();
            var footer = data.find('#footer').html();
            $(header_DOM).html(header);
            $(footer_DOM).html(footer);
        }
    });

这只是一个指南。改变这个想法以满足您的需求。

刮网页的有效方法

3 个答案: