PHP-функция для захвата всех ссылок внутри <DIV>на удаленном сайте, используя метод Scrape - PullRequest
Новая
       29

PHP-функция для захвата всех ссылок внутри <DIV>на удаленном сайте, используя метод Scrape

3 голосов
/ 29 октября 2010

У кого-нибудь есть функция PHP, которая может захватывать все ссылки внутри определенного DIV на удаленном сайте? Таким образом, использование может быть:

$ links = grab_links ($ url, $ divname);

И вернуть массив, который я могу использовать. Захватив ссылки, я могу понять, но не уверен, как заставить его делать это только внутри определенного div.

Спасибо! Скотт

Ответы [ 3 ]

2 голосов
/ 29 октября 2010

В прошлом я успешно использовал библиотеку PHP Simple DOM:

http://simplehtmldom.sourceforge.net/

Примеры: 

// Create DOM from URL or file
$html = file_get_html('http://www.google.com/');

// Find all images 
foreach($html->find('img') as $element) 
       echo $element->src . '<br>';

// Find all links 
foreach($html->find('a') as $element) 
       echo $element->href . '<br>';
2 голосов
/ 29 октября 2010

Я нашел что-то, что, кажется, делает то, что хотел.

http://www.earthinfo.org/xpaths-with-php-by-example/

<?php

$html = new DOMDocument();
@$html->loadHtmlFile('http://www.bbc.com');
$xpath = new DOMXPath( $html );
$nodelist = $xpath->query( "//div[@id='news_moreTopStories']//a/@href" );
foreach ($nodelist as $n){
echo $n->nodeValue."\n";
}

// for images

echo "<br><br>";
$html = new DOMDocument();
@$html->loadHtmlFile('http://www.bbc.com');
$xpath = new DOMXPath( $html );
$nodelist = $xpath->query( "//div[@id='promo_area']//img/@src" );
foreach ($nodelist as $n){
echo $n->nodeValue."\n";
}

?>

Я также попробовал метод PHP DOM, и он кажется быстрее ...

http://w -shadow.com / blog / 2009/10/20 / как извлечь HTML-теги и их атрибуты с php / 

$html = file_get_contents('http://www.bbc.com');
//Create a new DOM document
$dom = new DOMDocument;

//Parse the HTML. The @ is used to suppress any parsing errors
//that will be thrown if the $html string isn't valid XHTML.
@$dom->loadHTML($html);

//Get all links. You could also use any other tag name here,
//like 'img' or 'table', to extract other tags.
$links = $dom->getElementById('news_moreTopStories')->getElementsByTagName('a');

//Iterate over the extracted links and display their URLs
foreach ($links as $link){
    //Extract and show the "href" attribute. 
    echo $link->getAttribute('href'), '<br>';
}
2 голосов
/ 29 октября 2010

Проверьте PHP XPath. Это позволит вам запрашивать документ на содержание определенных тегов и так далее. Пример на сайте php довольно прост: http://php.net/manual/en/simplexmlelement.xpath.php

В следующем примере будут фактически получены все URL-адреса любых DIV в документе: 

$xml = new SimpleXMLElement($docAsString);

$result = $xml->xpath('//div//a');

Вы можете использовать это для правильных HTML-файлов, а не только для XML.

Хорошая ссылка на XPath: http://msdn.microsoft.com/en-us/library/ms256086.aspx

...