Dom文档-抓取数据

Question

我有一个jQuery脚本嵌入到要用Tampbermonkey抓取的网页中，并且效果很好，但是它将整个html内容发布回了我的服务器。

嵌入到我要抓取的html页面中的代码如下：

jQuery(document.body).append("<iframe id='somenewtab' name='somenewtab' />");
jQuery(document.body).append("

<form action='https://example.com/test.php' target='somenewtab' id='form_submit_data' method='post'>
<input type='hidden' name='data' id='submit_data'><input type='submit' value=''></form>

");
jQuery("#submit_data").val( btoa(unescape(encodeURIComponent(document.body.innerHTML) )));
jQuery("#form_submit_data").submit();

该脚本获取所有html，然后将其发布到php脚本中，在该脚本中解析数据。

test.php

$data = base64_decode($_POST['data']);
$dom = new DOMDocument();
$dom->loadHTML($data);
$select = $dom->getElementById('portfolio');

我的问题是，有没有一种方法可以只发布html的正文而没有所有头信息，或者更好的方法是只返回getElementById（'portfolio'）标记内的内容？ id标记中的数据是我需要解析的唯一数据。

目前，它会将所有内容发布到html网页中，并且服务器因POST限制大小而陷入困境。

Answer 1

您可以使用Sourceforge上基于“ simplehtmldom”项目的包装器，并获取dom元素的text / html，然后将其发布。

https://github.com/sachinsinghshekhawat/simple-html-dom-parser-php