Я пытаюсь получить доступ к HTML-странице и получить определенное число из div, который генерируется динамически.Разбор HTML для определенной части div
<span itemprop="average" content="XX"></span>
Я хочу получить «XX» в качестве переменной, которая будет отличаться для каждой страницы.
Это делается с помощью синтаксического анализа HTML или простого preg_replace?
Благодаря
Не следует использовать Regex для разбора HTML. Лучший способ - использовать парсер. PHP5 поставляется с некоторыми пропитанными, такими как DOMDocument и DOMXPath.
Вот пример, используя два для завершения:
$html = '<html><head></head><body>
<span itemprop="average" content="XX">some text</span>
<span itemprop="not_average">other text</span>
</body></html>';
$doc = new DOMDocument();
$doc->loadHTML($html);
$xpath = new DOMXPath($doc);
$nodelist = $xpath->query("//span[@itemprop='average']");
foreach ($nodelist as $node){
print $node->getAttribute('content')."<br>";
}
только «поймать» в том, что DOMDocument анализатор является гораздо более ограничительным, чем парсер браузеров и «hickup» на некоторых страницах, извлеченные из переплетения.
Это и многие другие! См. SO Question [HTML Pharsers в PHP] (http://stackoverflow.com/a/3577662/292735). Если вы знаете структуру, XPath сможет получить ваше значение почти в одной строке кода. – MackieeE
Я предлагаю использовать DOMXpath :: evaluation() не DOMXpath :: query(). Evaluate может возвращать скаляры, а не только списки узлов. Это позволяет получить значение в виде строки с одной строкой XPath: «string (// span [@ itemprop = 'average]]/@ content) – ThW
Если вы только начинаете соскабливать, я бы порекомендовал Imacros или import.io. Я начал использовать их, когда начинал свои скребущие задачи, и начал понимать, как все это работает немного лучше. Также очень полезно использовать cUrl с Php при очистке, это будет ваш лучший друг
Использование DOM - это, как правило, лучшая идея для подобных вещей.
$html = <<<HTML
<html>
<body>
<span itemprop="average" content="XX"></span>
</body>
</html>
HTML;
libxml_use_internal_errors(TRUE);
$dom = new DOMDocument();
$dom->loadHtml($html);
$xpath = new DOMXpath($dom);
$content = $xpath->evaluate('string(//span[@itemprop = "average"]/@content)');
var_dump($content);
libxml_use_internal_errors() отключает вывод ошибки для плохого html. Вы можете использовать libxml_get_errors() для их чтения и libxml_clear_errors(), чтобы очистить текущий буфер ошибок.
Затем создается DOMDocument и загружается html. DOMDocument :: loadHtmlFile() позволит загрузить его из файла или URL-адреса.
После загрузки документа вы можете создать объект DOMXpath для загруженного документа, он позволяет запрашивать элементы из него.
DOMXpath :: evaluation() позволяет запрашивать списки узлов и скаляры из документа. Строковый тип в выражениях xpath передает узел атрибута в строку и возвращает значение. Без typecast результатом будет DOMNodelist, содержащий любое количество узлов DOMAttribute. При этом результатом является значение атрибута или пустая строка.
Не каждый элемент HTML называется 'div'. Это 'span'. – powerbuoy