[英]PHP Simple HTML DOM lookup
大部分时间里,我一直在成功地使用PHP简单的HTML DOM解析器。 我现在想从没有清晰标识符的页面上抓取文字,直到最低级别。
我设法将其归结为:
</pre><pre> </pre><p><strong>De heerlijke Pure Daghappen v</strong><strong>an Bistro Puur</strong></p> <p><strong>Voor de vaste lage prijs van slechts € 8,50 !</strong></p> <p>geserveerd tussen 17:00 uur & 18:30 uur</p> <p> </p> <h2> <strong>De heerlijke Pure Daghappen voor week 32 zijn:</strong></h2> <p><strong><u>Dinsdag 22 Augustus:</u></strong></p> <p><strong>Gegrilde vakenshaas medaillons met champignonsaus</strong></p> <p> <strong><u>Woensdag 23 Augustus:</u></strong> </p> <p><strong>Gekonfijte scharrelhoen bout met truffelsaus</strong></p> <p> <strong><u>Donderdag 24 Augustus: </u></strong> </p> <p> <br /> <strong>Gebakken zalmfilet met witte wijnsaus</strong></p> <p> <strong><u>Vrijdag 25 Augustus;</u></strong></p> <p><strong>In de oven gebakken kabeljauw filet met pesto saus</strong></p> <p> </p> <p>Alle heerlijke Pure Daghappen worden vergezeld door een aardappelgarnituur en een frisse salade.<br /> Daghap is exclusief bijpassende wijn.</p> <p> </p> <p><strong>Wij verwelkomen u graag!</strong></p> <p><em><strong>Team Bistro Puur</strong></em></p> <p class="rteindent1 rtecenter"><strong> </strong></p> an Bistro Puur
通过使用
$html = file_get_html('http://www.bistropuur.nl/pure-daghappen');
foreach($html->find('div[class=node-content]') as $e){
$temp = [$e->innertext];
}
随后,我想创建一个包含所有不同文本片段的数组,以允许对诸如以下内容的进一步操作:
$data = array[Dinsdag 22 Augustus, Gegrilde vakenshaas medaillons met champignonsaus, ....].
我尝试了以下方法:
$html = '</pre><pre> </pre><p><strong>De heerlijke Pure Daghappen v</strong><strong>an Bistro Puur</strong></p> <p><strong>Voor de vaste lage prijs van slechts € 8,50 !</strong></p> <p>geserveerd tussen 17:00 uur & 18:30 uur</p> <p> </p> <h2> <strong>De heerlijke Pure Daghappen voor week 32 zijn:</strong></h2> <p><strong><u>Dinsdag 22 Augustus:</u></strong></p> <p><strong>Gegrilde vakenshaas medaillons met champignonsaus</strong></p> <p> <strong><u>Woensdag 23 Augustus:</u></strong> </p> <p><strong>Gekonfijte scharrelhoen bout met truffelsaus</strong></p> <p> <strong><u>Donderdag 24 Augustus: </u></strong> </p> <p> <br /> <strong>Gebakken zalmfilet met witte wijnsaus</strong></p> <p> <strong><u>Vrijdag 25 Augustus;</u></strong></p> <p><strong>In de oven gebakken kabeljauw filet met pesto saus</strong></p> <p> </p> <p>Alle heerlijke Pure Daghappen worden vergezeld door een aardappelgarnituur en een frisse salade.<br /> Daghap is exclusief bijpassende wijn.</p> <p> </p> <p><strong>Wij verwelkomen u graag!</strong></p> <p><em><strong>Team Bistro Puur</strong></em></p> <p class="rteindent1 rtecenter"><strong> </strong></p> an Bistro Puur';
$html = str_get_html($html); // create a html DOM object again
foreach($html->find('strong') as $e){ // search for <strong> tag
$temp[] = [$e->innertext]; // get the inside of the html tag
}
print_r($temp);
Array
(
[0] => <pre> </pre><p><strong>De heerlijke Pure Daghappen v</strong><strong>an Bistro Puur</strong></p> <p><strong>Voor de vaste lage prijs van slechts € 8,50 !</strong></p> <p>geserveerd tussen 17:00 uur & 18:30 uur</p> <p> </p> <h2> <strong>De heerlijke Pure Daghappen voor week 32 zijn:</strong></h2> <p><strong><u>Dinsdag 22 Augustus:</u></strong></p> <p><strong>Gegrilde vakenshaas medaillons met champignonsaus</strong></p> <p> <strong><u>Woensdag 23 Augustus:</u></strong> </p> <p><strong>Gekonfijte scharrelhoen bout met truffelsaus</strong></p> <p> <strong><u>Donderdag 24 Augustus: </u></strong> </p> <p> <br /> <strong>Gebakken zalmfilet met witte wijnsaus</strong></p> <p> <strong><u>Vrijdag 25 Augustus;</u></strong></p> <p><strong>In de oven gebakken kabeljauw filet met pesto saus</strong></p> <p> </p> <p>Alle heerlijke Pure Daghappen worden vergezeld door een aardappelgarnituur en een frisse salade.<br /> Daghap is exclusief bijpassende wijn.</p> <p> </p> <p><strong>Wij verwelkomen u graag!</strong></p> <p><em><strong>Team Bistro Puur</strong></em></p> <p class="rteindent1 rtecenter"><strong> </strong></p>
[1] => Array
(
[0] => De heerlijke Pure Daghappen v
)
[2] => Array
(
[0] => an Bistro Puur
)
[3] => Array
(
[0] => Voor de vaste lage prijs van slechts € 8,50 !
)
[4] => Array
(
[0] => De heerlijke Pure Daghappen voor week 32 zijn:
)
[5] => Array
(
[0] => <u>Dinsdag 22 Augustus:</u>
)
[6] => Array
(
[0] => Gegrilde vakenshaas medaillons met champignonsaus
)
[7] => Array
(
[0] => <u>Woensdag 23 Augustus:</u>
)
[8] => Array
(
[0] => Gekonfijte scharrelhoen bout met truffelsaus
)
[9] => Array
(
[0] => <u>Donderdag 24 Augustus: </u>
)
[10] => Array
(
[0] => Gebakken zalmfilet met witte wijnsaus
)
[11] => Array
(
[0] => <u>Vrijdag 25 Augustus;</u>
)
[12] => Array
(
[0] => In de oven gebakken kabeljauw filet met pesto saus
)
[13] => Array
(
[0] => Wij verwelkomen u graag!
)
[14] => Array
(
[0] => Team Bistro Puur
)
[15] => Array
(
[0] =>
)
)
问题:
array[0]
处再次获取整个html字符串? <u>..</ul>
标签? 我更新了代码(基于Peter的反馈):
$html = str_get_html($str);
foreach($html->find('strong') as $e){
$temp[] = $e->plaintext;
}
这为我提供了所有数据的正确普通数组。 大!
为什么我要在array [0]处再次获取整个html字符串?
可能是因为您的代码中仍然包含以下行,所以使用带有单个元素$e->innertext
的数组初始化$temp
$e->innertext
。
$temp = [$e->innertext];
在$temp = [];
之前,在foreach
之前初始化$temp
变量$temp = [];
。
如何快速删除其余的..标签?
使用$e->plaintext
代替$e->innertext
(请务必阅读文档 )
我正在获取15个嵌套数组。 我可以使用它们,但是是否可以从一开始就删除嵌套?
因为您告诉它每次都创建一个数组(为什么这样做?):
$temp[] = [ $e->innertext ];
^ array open ^ array-close
使用$temp[] = $e->innertext;
相反(或根据先前的plaintext
)
不知道您如何包含html DOM,但是使用以下脚本:
<?php
include "simple_html_dom.php";
$html = '</pre><pre> </pre><p><strong>De heerlijke Pure Daghappen v</strong><strong>an Bistro Puur<$
$html = str_get_html($html); // create a html DOM object again
foreach($html->find('strong') as $e){ // search for <strong> tag
$temp[] = $e->plaintext; // get the inside of the html tag
}
var_dump_pre($temp);
function var_dump_pre($mixed = null) {
echo '<pre>';
print_r($mixed);
echo '</pre>';
return null;
}
?>
...将产生以下输出:
Array
(
[0] => De heerlijke Pure Daghappen v
[1] => an Bistro Puur
[2] => Voor de vaste lage prijs van slechts € 8,50 !
[3] => De heerlijke Pure Daghappen voor week 32 zijn:
[4] => Dinsdag 22 Augustus:
[5] => Gegrilde vakenshaas medaillons met champignonsaus
[6] => Woensdag 23 Augustus:
[7] => Gekonfijte scharrelhoen bout met truffelsaus
[8] => Donderdag 24 Augustus:
[9] => Gebakken zalmfilet met witte wijnsaus
[10] => Vrijdag 25 Augustus;
[11] => In de oven gebakken kabeljauw filet met pesto saus
[12] => Wij verwelkomen u graag!
[13] => Team Bistro Puur
[14] =>
)
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.