Question

我正在使用file_get_contents来抓取一个HTML页面。我希望刮除仅在<pre>和</pre>标记之间。任何想法如何实现这一目标？代码如下：

$html = file_get_contents('http://www.atletiek.co.za/.....htm');
$tags = explode(' ', $html);

foreach ($tags as $tag) {
    // skip scripts
    if (strpos($tag, 'script') !== false) {
        continue;
    }

    // get text
    $text = strip_tags(' ' . $tag);

    // only if text present remember
    if (trim($text) != '') $texts[] = $text;
}
print_r($text);

Answer 1

如果它足够你可以使用正则表达式。

$s = 'test <pre>this is simple</pre> test <pre class="tricky">this is' . "\n" . 'tricky</pre> test';
if (preg_match_all('#<pre(?: [^>]*)?>(.*?)</pre>#msi', $s, $m)) {
    print_r($m[1]);
}

显示

Array
(
    [0] => this is simple
    [1] => this is
tricky
)

但请阅读此内容 - https://stackoverflow.com/a/1732454/437763

您可能需要XPath - http://php.net/manual/en/domxpath.query.php

Answer 2

我通过添加我想要排除的所有标记和属性来解决它。我使用if (strpos($tag, 'script') !== false) {来表示我不想加载的所有标签。它对我有用，因为只有大约5或6个人。

如何使用file_get_contents在特定标签之间进行刮擦

2 个答案: