Question

我想从表中获取数据而不使用正则表达式。我很高兴使用simplexml来解析RSS提要，并想知道它是否可以用来从另一个页面中获取表格。

EG。用curl抓取页面或只是file_get_contents（）;然后使用simplexml来获取内容？

Answer 1

您可以使用DOM模块中的loadHTML函数，然后通过simplexml_import_dom将该DOM导入SimpleXML：

$html = file_get_contents('http://example.com/');
$doc = new DOMDocument();
$doc->loadHTML($html);
$sxml = simplexml_import_dom($doc);

Answer 2

如果这是XHTML - 是的，这绝对是可能的。真正的XHTML最终只是XML，因此可以使用XML解析器进行解析。

然而， SimpleXML只接受严格的XML。如果你无法获得有效的XHTML，那么看起来像是通过不太严格的DOMDocument库来实现这一点（source here）：

<?php
  $html = file_get_contents('http://...');
  $doc = new DOMDocument();
  $doc->strictErrorChecking = FALSE;
  $doc->loadHTML($html);
  $xml = simplexml_import_dom($doc);
?>

Answer 3

我的版本 - 容忍错误和编码问题

libxml_use_internal_errors(true);
$doc = new DOMDocument();
$doc->strictErrorChecking = FALSE;
$doc->loadHTML(mb_convert_encoding($this->html_content, 'HTML-ENTITIES',  'UTF-8'));
libxml_use_internal_errors(false);
$xml = simplexml_import_dom($doc);

Answer 4

可能取决于页面。如果页面是XHTML（现在大多数网页），那么任何XML解析器都应该这样做，否则就要寻找SGML解析器。以下是您可能感兴趣的类似问题：Error Tolerant HTML/XML/SGML parsing in PHP

可以使用simplexml来搜索html吗？

4 个答案: