如何使用簡單的html dom解析器從抓取中抓取特定數據

Question

我正在嘗試從亞馬遜網頁上的產品中抓取價格數據，但我不僅獲得了變量中的價格數據，還獲得了包括<span>等的其他元素。代碼...

include 'simple_html_dom.php';
$html1 = file_get_html('http://www.amazon.co.uk/New-Apple-iPod-touch-Generation/dp/B0040GIZTI/ref=br_lf_m_1000333483_1_1_img?ie=UTF8&s=electronics&pf_rd_p=229345967&pf_rd_s=center-3&pf_rd_t=1401&pf_rd_i=1000333483&pf_rd_m=A3P5ROKL5A1OLE&pf_rd_r=1ZW9HJW2KN2C2MTRJH60');

$price_data1 = $html1->find('b[class=priceLarge]',0);

然后，該變量還包含諸如<b class="priceLarge">£163.00</b>

有沒有辦法修剪掉不需要的數據？ 我只需要163.00英鎊。

我不確定是否在查找過程中執行此操作，或者不確定當我回顯變量時，是否指定所需內容？

干杯

Answer 1

只是使用

$result=$price_data1->innertext;

你一定會得到欲望的輸出。

Answer 2

更改XPath以選擇<b>元素的text()子元素，而不是選擇元素本身。

$price_data1 = $html1->find('b[class=priceLarge]/text()',0);

Answer 3

您可以嘗試在線API，例如Synthetics Web 。 您可以以最少的編碼工作量提取數據。

$url = urlencode('http://www.amazon.co.uk/New-Apple-iPod-touch-Generation/dp/B0040GIZTI/ref=br_lf_m_1000333483_1_1_img?ie=UTF8&s=electronics&pf_rd_p=229345967&pf_rd_s=center-3&pf_rd_t=1401&pf_rd_i=1000333483&pf_rd_m=A3P5ROKL5A1OLE&pf_rd_r=1ZW9HJW2KN2C2MTRJH60');
$wid = '160';

$data = json_decode(file_get_contents("http://www.syntheticsweb.com/resources/www.json?wid=$wid&url=$url"));

echo $data->price;

Answer 4

<b class="priceLarge">£163.00</b>

只需使用以下內容：

$p = "/b class=\"priceLarge\">(.*)<\/b>/";
preg_match($p, $html, $match)