Question

我正在为学校开发一个PHP项目。任务是建立一个网站来抓取和分析来自其他网站的数据。我已经设置了框架，并且我能够从所需的站点获取某些数据，但我似乎无法获得我需要获取的其他数据的语法。

例如，我目前正在分析的网站是从Amazon.com搜索返回的特定项目的页面（例如，搜索amazon.com的“iPad”并选择第一个结果）。我能够获取产品页面的标题，但我需要抓住审核次数和价格，这就是问题所在。我正在使用preg_match来获得标题（工作正常），但我无法获得评论或价格。我继续得到Undefined Offset错误，我发现这意味着没有返回任何符合给定条件的错误。只是检查是否有东西被退回对我没有帮助，因为我需要获取这些数据以供我分析。我试图挖掘的是在页面上唯一的，因此每个只有一个实例。

我的产品页面的页面源包含我需要抓取的以下HTML信息。（该网站可以，并且需要能够处理任何事情，但是对于这个例子，我搜索了“iPad”）。

<span id="priceblock_ourprice" class="a-size-medium a-color-price">$397.74</span>

我需要397.74。

<span id="acrCustomerReviewText" class="a-size-base">1,752 customer reviews</span>

我需要1,752。

我已经尝试了转义字符，通配符等的所有组合，但我似乎无法超越未定义的偏移量错误。我的代码示例如下，其中$link是URL，$ f是一个空数组，我想在其中存储结果（注意：'＆lt;'in“＆lt之后没有空格; span ...“当我输入”＆lt; span ...“而没有空格时，它只删除了所有内容到”...（。*）...“：

preg_match("#\< span id\=\"priceblock\_ourprice\" class\=\"a\-size\-medium a\-color\-price\"\>(.*)\<\/span\>#", file_get_contents($link), $f);

$price=$f[1]; //Offset error occurs on this line

echo $price;

请帮忙。过去两天，我一直在反对这一点。我希望我只是做一些愚蠢的事情。这是我第一次使用preg_match和数据挖掘。非常感谢您的时间和帮助。

Answer 1

代码

正如@ cabellicar123所说，you shouldn't use regex with html。我相信你要找的是strpos()和substr()。看起来应该是这样的：

function get_content($string, $begintag, $endtag) {
  if (strpos($string, $begintag) !== False) {
    $location = strpos($string, $begintag) + strlen($begintag);
    $leftover = substr($string, $location);
    $contents = substr($leftover, 0, strpos($leftover, $endtag));
    return $contents;
  }
}
// Usage (Change the variables):
$str = file_get_contents('http://www.amazon.com/OLB3-Official-League-Recreational-Ball/dp/B004KOBRMC/');
$beg = '<b class="priceLarge">$';
$end = '</b>';
get_content($str, $beg, $end);

我提供了一个工作示例，它会返回页面上对象的价格，在这种情况下，是Rawlings棒球的价格。

说明

我将逐行查看代码，并解释每一部分。

function get_content($string, $begintag, $endtag)

$ string是搜索的字符串（在本例中是一个亚马逊页面），$ begintag是要搜索的元素的开始标记，$ closetag是该元素的结束标记。注意：这只会使用开始标记的第一个实例，而不会忽略它。

if (strpos($string, $begintag) !== False)

检查开始标记是否确实存在。注意！== False;这是因为strpos可以返回0，其值为False。

$location = strpos($string, $begintag) + strlen($begintag);

strpos（）将在$ string中返回$ begintag的第一个实例，因此必须将$ begintag的长度添加到strpos（）以获取$ begintag结尾的位置。

$leftover = substr($string, $location);

现在我们有了开始标记的$位置，我们需要通过在$ location之后将$ leftover设置为$ string的一部分来缩小$ string。

$contents = substr($leftover, 0, strpos($leftover, $endtag));

这将获得$ endtag在$ leftover中的位置，并将$ endtag之前的所有内容存储在$ contents中。

至于最后几行代码，它们是特定于此示例的，只需要根据具体情况进行更改。

PHP网站数据挖掘Preg_Match Undefined Offset

1 个答案:

代码

说明