Question

非常感谢您运行此主板。我喜欢这个网站。它经常帮助我！你是伟大的伙伴。我今天做的是在一个小的PHP解析器上工作！

我需要从该网站获取所有数据。查看目标：www.aktive-buergerschaft.de/buergerstiftungen/unsere_leistungen/buergerstiftungsfinder 我试图从网页上抓取数据，但我需要获取此链接中的所有数据。我想将数据存储在Mysql-db中以便更好地检索！

看一个例子：

我需要从该网站获取所有数据。

查看目标：see this link here: Foundations in Germany - click here

我正在尝试从网页上抓取数据，但我需要获取此链接中的所有数据。

看一个例子：

Bürgerstiftung Lebensraum Aachen
    rechtsfähige Stiftung des bürgerlichen Rechts
    Ansprechpartner: Hubert Schramm
    Alexanderstr. 69/ 71
    52062 Aachen
    Telefon: 0241 - 4500130
    Telefax: 0241 - 4500131
    Email: info@buergerstiftung-aachen.de
    www.buergerstiftung-aachen.de
    >> Weitere Details zu dieser Stiftung

Bürgerstiftung Achim
    rechtsfähige Stiftung des bürgerlichen Rechts
    Ansprechpartner: Helga Kühn
    Rotkehlchenstr. 72
    28832 Achim
    Telefon: 04202-84981
    Telefax: 04202-955210
    Email: info@buergerstiftung-achim.de
    www.buergerstiftung-achim.de
    >> Weitere Details zu dieser Stiftung

我需要拥有链接“后面”的数据 - 有没有办法做到这一点一个简单易懂的解析器 - 一个可以被新手理解和编写的解析器！？好吧，我可以用XPahts做这个 - 用PHP或Perl - （用机械化）

我开始使用php方法：但是 - 如果我运行代码（见下文），我会得到这个结果

PHP Fatal error:  Call to undefined function file_get_html() in /home/martin/perl/foundations/arbie_finder_de.php on line 5
martin@suse-linux:~/perl/foundations> cd foundations

由此代码引起的

<?php

// Create DOM from URL or file
$html = file_get_html('www.aktive-buergerschaft.de/buergerstiftungen/unsere_leistungen/buergerstiftungsfinder');

// split it via body, so you only get to the contents inside body tag
$split = split('<body>', $html);
// it is usually in the top of the array but just check to be sure
$body = $split[1];
// split again with, say,<p class="divider">A</p>
$split = split('<p class="divider">A</p>', $body);
// now this should contain just the data table you want to process
$data = $split[1];

// Find all links from original html
foreach($html->find('a') as $element) {
       $link = $element->href;

       // check if this link is in our data table
       if(substr_count($data, $link) > 0) {
           // link is in our data table, follow the link
           $html = file_get_html($link);
          // do what you have to do
       }
}


?>

关于我的方法的一些想法：

报废网页的标准做法是：

将页面读入字符串（file_get_html或现在正在使用的任何内容）
拆分字符串，这取决于页面结构。首先将它分开，因此数组的一个元素将包含正文，依此类推，直到我们得到目标。好吧，我猜最后的分裂将是

，因为它有我们上面描述的链接：

如果我们希望关注该链接，只需重复相同的过程，但请使用链接。
或者，我们可以搜索一个获取页面中所有链接的PHP代码段。如果我们已经完成了1和2，那就更好了，我们现在只有标签内的字符串。这样简单得多。

嗯 - 我的问题是：这个错误会导致什么 - 我没有粘合剂......如果你有一个想法，那就太棒了

更新：嗯 - 我可以试试这个：

承认它没有比使用simple_html_dom更简单。

$records = array();
foreach($html->find('#content dl') as $contact) {
   $record = array();
   $record["name"] = $contact->find("dt", 0)->plaintext;
   foreach($contact->find("dd") as $field) {
       /* parse each $field->plaintext in order to obtain $fieldname */
       $record[$fieldname] = $field->plaintext;
   }
   $records[] = $record;
}

好吧 - 我试着在这里工作。也许我使用最新版本的PHP来获得类似jQuery的语法....嗯......

任何想法

Answer 1

在您考虑抓取任何网站之前，我绝对想指出您需要考虑这样做的法律和道德影响。如果这不是您的网站或您未获得所有者的许可，您可能不应该抓。如果它不是供个人使用，你特别可能不应该刮。小心......

首先，在;之后需要一个分号（$data = $split[1]），这将消除您的PHP语法错误。我对第一个错误感到有点困惑，指的是*，因为你的代码中没有任何*。

在您的语法错误消失后，虽然看起来您将在正确的轨道上编写MySQL查询并插入您的发现。

您也可以考虑以下内容：

foreach($html->find('a') as $element) 
   echo $element->href;

我希望有所帮助。

PHP-Dom-Processing：一个小的Parser程序的代码审查

1 个答案: