使用DOM的HTML表解析

Question

我有一个HTML表

我的解析代码是

$src = new DOMDocument('1.0', 'utf-8');
$src->formatOutput = true;
$src->preserveWhiteSpace = false;
@$src->loadHTML($result);
$xpath = new DOMXPath($src);
$data=$xpath->query('//td[ contains (@class, "bodytext1") ]');
foreach($data as $datas)
{
echo $datas->nodeValue."<br />";
}
$values=$xpath->query('//tr[ contains (@bgcolor, "f3fafe") ]');
foreach($values as $value)
{
echo $value->nodeValue."<br />";
}
$values1=$xpath->query('//tr[ contains (@bgcolor, "def0fa") ]');
foreach($values1 as $value1)
{
echo $value1->nodeValue."<br />";
}

要打印，我希望它们与其他行一起重复，如我需要的输出中所示。 我想要整个东西放在一个数组中，以便我可以将其插入数据库中

谁能指导我或给我任何提示，以便我可以这样做

Answer 1

这应该使您入门。

$src = new DOMDocument('1.0', 'utf-8');
$src->formatOutput = true;
$src->preserveWhiteSpace = false;
$src->loadHTML($result);
$xpath = new DOMXPath($src);

// get header data
$data=$xpath->query('//table[1]//td');

$htno = trim(explode(":",$data->item(0)->nodeValue)[1]);
$name = trim(explode(":",$data->item(1)->nodeValue)[1]);
$fatherName=trim(explode(":",$data->item(2)->nodeValue)[1]);

// rows from 2nd table 
$values1=$xpath->query('//table[2]//tr');
$header = true;  // flag to track whether we've read the header row.
foreach($values1 as $value1)
{
if (!$header) {
  $rowdata = str_replace("\r\n"," ",$value1->nodeValue);
  echo $htno," ",$name," ",$fatherName," ",$rowdata,"\n";
}
$header = false;
}

注意：

• $ header标志是一个快速修复。 更好的Xpath查询可能会消除对它的需求。
• 底部附近的str_replace难看但很方便。 您可能希望使用xpath查询来查看是否可以改进它。
• 输出未格式化为HTML-行用\\n分隔
• 我在包含&一行上收到警告，因此将其更改为AND 。 您可能需要预处理表以某种方式消除它们。

Answer 2

您可以使用第三方的dll，例如“ Html Agility Pack”。 一个将html转换为xml的专业工具。