Question

如何parse HTML data到PHP array PHP

HTML数据

<div class="test">
    <strong>ID</strong>
    <a href="a.html" title="a html">123456</a><br>
    <label class='label'>Occupation </label>    
    House wife      <br>
    <label>Language?</label>    
    English     <br>
    <label style="width:50%">Basic Language Knowledge of?</label>   
    Hindi       <br>
    <label>Start date</label>
    Nov 2013        <br>
    <label>Other Info</label>
    yes     <br>
    <label>age</label>
    19      <br>
    <label>Gender</label>   
    Female      <br>
    <strong>Address</strong>
    India       <br><br>
    <p>Hi, <br>
Lorem ipsum doner inut</p>
</div>

我试过了，

<?php
    $html='Let above html to parse';
    preg_match_all('/<label\s(.*)>(.*)<\/label>/U',$html,$m);
    print_r($m);
    // gives all label contents only but I need pair of label text 
    // and value showing after it
?>

输出赞，

阵列（ 'ID'=＆GT; 123456， '链路'=＆GT; 'a.html'， '职业'=＆GT;屋妻子'，'语言？'=＆gt;'英语'，'基础语言知识？'=＆gt;'印地语'，'开始日期'=＆gt;'2013年11月'，'其他信息'=＆gt;'是' ， '年龄'=＆GT; '19' ， '性别'=＆GT; '女'， '地址'=＆GT; '印度'， '描述'=＆GT;'嗨， Lorem ipsum doner inut'）;

是的，forgot to mention我正在使用ganon scrapping

Answer 1

使用DOMDocument解析HTML。

$doc = new DOMDocument();
$doc->loadHTML($html);

使用DOMXPath获取所有标签：

$xpath = new DOMXPath($doc);
$allLabels = $xpath->query('//label');

foreach($allLabels as $label) {
    var_dump($label, $label->nodeValue);

    /* or */
    $labelElmnts = $xpath->query('/*', $label);

    $innerHTML = '';

    foreach($labelElmnts as $elmnt)
        $innerHTML .= $domDoc->saveHTML($elmnt);

    var_dump($innerHTML);
}

Answer 2

更简单的解决方案。

使用QueryPath：

foreach(qp($html, 'label') as $label){
  echo $label->text();
}

就像jquery一样。

Answer 3

我使用了ganon因此我不想使用Dom Document我尝试了一些事情而worked喜欢，

// for description
echo $desc=$html('div.right_div p',0)->getInnerText();

$s=$html('div.right_div',0)->getInnerText();

// for occupation
$r='/<label>\s*Occupation\s*<\/label>\s*(.*)\s*<br\s*[\/]>/i';
preg_match_all($r,$s,$ma);
echo $occupation=$ma[1];

// for address
$r='/<strong>\s*Address\s*<\/strong>\s*(.*)\s*<br\s*[\/]>/i';
preg_match_all($r,$s,$ma);
echo $address=$ma[1];

// for id
echo $id=$html('div.right_div a',0)->getInnerText();

等等 ...

使用php刮取html数据

3 个答案: