HTML Phraping在Php

Question

我一直在使用正則表達式在PHP中進行一些html抓取。這有效，但結果是挑剔和脆弱。有沒有人使用過任何提供更強大解決方案的軟件包？一個配置驅動的解決方案將是理想的，但我不挑剔。

Answer 1

在從頁面中獲取HTML後，我會推薦PHP Simple HTML DOM Parser。它支持無效的HTML，並提供了一種處理HTML元素的非常簡單的方法。

Answer 2

如果您正在抓取的頁面是有效的X（HT）ML，則可以使用PHP's built-in XML parsers中的任何一個。

我還沒有取得太多的成功與PHP庫的刮。如果你冒險，但你可以嘗試simplehtmldom。我建議使用Ruby的Hpricot或Python的Beautiful Soup，它們都是優秀的用於HTML的解析器。

Answer 3

我已經與上面提到的Simple Html DOM Parser結果非常好。然後還有tidy Extension for PHP，它的效果也非常好。

Answer 4

我和htmlSQL一起工作很有趣，這不是一個高端解決方案，但非常簡單。

Answer 5

使用PHP進行HTML抓取，儘管我個人使用cURL + regexp，但我推薦使用cURL + regexp或cURL +一些DOM解析器。如果你對regexp有深刻的印象，有時候它確實更精確。

Answer 6

我也推薦'Simple HTML DOM Parser'。這是一個很好的選擇，特別是如果你熟悉jQuery或JavaScript選擇器，那麼你會發現自己在家裏。

I have even blogged about it in the past.

Answer 7

我必須對我的主機的1and1使用捲曲。

http://www.quickscrape.com/是我想出的使用簡單的DOM類！