PHP5网页扫描（简单的DOM解析器|| file_get_contents（）+ regexp）...资源明智

Question

我正在考虑一个脚本，可以扫描10多个网站，查找特定div内的特定内容。假设它会被适度使用，每天大约400次搜索。

标题中的哪两个会更好地支持负载，占用更少的资源并提供更好的速度：

从每个网站创建DOM，然后针对特定的div id迭代每个网站

或

使用file_get_contents从网站创建字符串， 然后重新编写所需的字符串。

更具体地说明我需要执行哪种操作，请听取以下内容，

其他问题： regexp是否能够搜索以下事件 给定字符串：

<div id="myId"> needed string </div>

识别具有给定ID的标签并仅返回标签之间的内容？

请回答是/否，如果有可能的话，我会打开一个单独的语法问题，因此不会全部捆绑在这里。

Answer 1

对于每天400次搜索，您使用哪种方法在性能方面相当无关紧要。

在任何情况下，最快的方法是file_get_contents + strpos + substr，除非您的位置+提取算法足够复杂。根据具体的正则表达式，它可能会或可能不会比DOM快，但可能是。 DOM可能是比正则表达式更可靠的方法，但取决于页面格式良好的程度（libxml2并不完全模仿浏览器和解析）。

Answer 2

1. 是

2. 速度取决于您的服务器和相关网页;与下载要扫描的页面的时间相比，两种方式的执行时间都可以忽略不计。

3. 如果你使用DOM / XPath，可以用3行代码来实现。