如何在不丟失標籤的情況下刮取網頁數據

Question

我想用php和dom xpath來抓取網頁數據。當我將$ node-> nodeValue存儲到我的數據庫中，或者即使我試圖回顯它時，所有標籤（如<p>和<br>）都缺失。所以我把所有的小節連接起來。如何解決這個問題

Answer 1

如果你有一個節點，你需要的所有內容，因爲他們，你可以使用此功能：

function innerHTML(DOMNode $node) 
{ 
    $doc = new DOMDocument(); 
    foreach ($node->childNodes as $child) { 
    $doc->appendChild($doc->importNode($child, true)); 
    } 
    return $doc->saveHTML(); 
} 

Answer 2

如果你正在瀏覽的DOM，最有可能不再有標籤看到。標籤現在是DOM內的節點 - 標籤中包含的原始內容是您以「字符串形式」訪問的所有內容。當然，您可以使用節點信息來重建標籤，但它們不會是原始標籤（例如，您將不得不選擇<BR>或<br>--您將不知道該網站原來的位置）。如果你想從原來的標籤開始，獲取由GET/POST返回的原始字節流;不要將其解析爲DOM樹。