Question

我正在从远程网站提取数据，我需要在每个表列中获取数据。

这里是数据样本

<tr>
    <td><a href="https://www.example.com/graphs/fruit-bonanza-fruit-betsafe.html" title="Fruit Bonanza: Fruit (Betsafe)">Bonanza: Fruit (B'safe)</a></td>
    <td sorttable_customkey="-48">&pound;30</td>
    <td sorttable_customkey="-128">&pound;80</td>
    <td sorttable_customkey="333331" style="background-color:#f0dd66; font-weight:bold;">3d, 20h</td>
    <td sorttable_customkey="-1541574886" style="background-color:#f0dd66; font-weight:bold;">128d, 2h ago</td>
    <td sorttable_customkey="-94">94<strong>&deg;</strong></td>
    <td sorttable_customkey="-500"><img src="https://www.example.com/imgs/green-check-small.gif"/></td>
    <td sorttable_customkey="-894">Maybe</td>
    </tr>

但是，在以下情况下，sorttable_customkey值在每个实例中都不同所以我不知道该怎么做。我必须从标记内部获取数据，因为页面上还有其他我不想要的元素。

这是我提取初始表数据的代码

$sample = file_get_contents('data/15-03-2019.php');
function getContents($str, $startDelimiter, $endDelimiter) {
  $contents = array();
  $startDelimiterLength = strlen($startDelimiter);
  $endDelimiterLength = strlen($endDelimiter);
  $startFrom = $contentStart = $contentEnd = 0;
  while (false !== ($contentStart = strpos($str, $startDelimiter, $startFrom))) {
    $contentStart += $startDelimiterLength;
    $contentEnd = strpos($str, $endDelimiter, $contentStart);
    if (false === $contentEnd) {
      break;
    }
    $contents[] = substr($str, $contentStart, $contentEnd - $contentStart);
    $startFrom = $contentEnd + $endDelimiterLength;
  }
  return $contents;
}

$array = getContents($sample, '<tbody>', '</tbody>');
  foreach($array as $link )
   {
    $removetr = str_replace('<tr>','',$link);
    $replacetr = str_replace('</tr>','<br>',$link);
    $removetd = str_replace('<td>','',$removetr);
    $replacetd = str_replace('</td>',',',$removetd);
    echo $link;
   }

我试图做一系列的str_replace删除标签并将</td>替换为逗号，并将</tr>替换为< br>，但是由于可排序的自定义键的值不同（在页面下方一直是唯一的），因此不必说替换的不起作用我的最终结果是我试图获取每列内的所有数据并有效创建CSV，以便可以导入数据

努力解释我要做什么（希望有人会理解我要说的话）

Answer 1

不要浪费自己的时间编写网页抓取工具...使用现成的解决方案，例如，这个https://github.com/FriendsOfPHP/Goutte或更简单的https://symfony.com/doc/current/components/dom_crawler.html

Answer 2

刚刚意识到我可以使用

preg_replace('/<td (.*?)>(.*?)<\/td>/', '$2,', $str);

使用多个通配符，然后将第二个实例中的数据插入到我想要的位置

从用file_get_contents抓取的HTML表中提取数据

2 个答案: