我正在使用file_get_contents获取网站的整个HTML代码，并将其保存到变量中。本网站的内容基于时间，并经常更新。我需要运行一个脚本，该脚本将从其HTML中获取特定的列和行，然后我计划将其转换为人类可读的文本形式。我现在的问题是，我对应该使用什么方法来扫描HTML，找到我想要提取的列和行，并且只有在自上次运行脚本以来对其进行了更新时才保存它。
1 回答
12345678_0001
TA贡献1802条经验 获得超5个赞
如果您熟悉 DOM 遍历，请尝试使用 DOM文档：：加载HTML。然后使用其他 DOM 文档方法来获取所需的信息。
下面是一些示例：
<!DOCTYPE html>
<!-- test.html -->
<html><body>
<table id = "target_table"><tbody>
<tr><td>this</td><td>something</td></tr>
<tr><td>is</td><td>in</td></tr>
<tr><td>a</td><td>a</td></tr>
<tr><td>test</td><td>column</td></tr>
</tbody></table>
<table><tbody>
<tr><td>ignore</td><td>this</td></tr>
<tr><td>table</td><td>.</td></tr>
</tbody></table>
</body></html>
这将抓取特定表中的所有行并转储其文本内容：
<?php
$string = file_get_contents("test.html");
$doc = DOMDocument::loadHTML($string);
$xpath = new DOMXpath($doc);
$elements = $xpath->query("//*[@id=\"target_table\"]/*/tr");
foreach ($elements as $element) {
echo $element->textContent, PHP_EOL;
}
- 1 回答
- 0 关注
- 126 浏览
添加回答
举报
0/150
提交
取消