Question

我正在使用抓取工具检索网络上某些网页的HTML内容。我目前将整个HTML存储在一个PHP变量中：

$string = "<PRE>".htmlspecialchars($crawler->results)."</PRE>\n";

我想要做的是选择所有“p”标签（例如）并将它们存储在一个数组中。这样做的正确方法是什么？

我通过使用xpath尝试了以下内容，但它没有显示任何内容（很可能是因为文档本身不是XML，我只是复制粘贴其文档中给出的示例）。

$xml = new SimpleXMLElement ($string);

    $result=$xml->xpath('/p');
    while(list( , $node)=each($result)){
        echo '/p: ' , $node, "\n"; 
    }

希望有（很多）PHP经验的人能够帮助我：D

Answer 1

尝试使用DOMDocument和DOMDocument::getElementsByTagName。工作流程应该非常简单。类似的东西：

$doc = DOMDocument::loadHTML(htmlspecialchars($crawler->results));
$pNodes = $doc->getElementsByTagName('p');

将返回DOMNodeList。

Answer 2

我投票使用正则表达式。对于标签p

preg_match_all('/<p>(.*)<\/p>/', '<p>foo</p><p>foo 1</p><p>foo 2</p>', $arr, PREG_PATTERN_ORDER);
if(is_array($arr))
{
 foreach($arr as $value)
 {
   echo $value."</br>";
 }
}

Answer 3

查看Simple HTML Dom。它将抓取外部页面并以相当准确的细节处理它们。

http://simplehtmldom.sourceforge.net/

可以像这样使用：

// Create DOM from URL or file
$html = file_get_html('http://www.google.com/');

// Find all images
foreach($html->find('img') as $element)
   echo $element->src . '<br>';

如何使用PHP从HTML文档中仅提取某些标签？

3 个答案: