PHP html scraping

Question

它是我在網站上發佈的第一篇文章，很適合我

好吧，我是一個完整的PHP初學者，我對我的項目有特殊需求。我希望你們中的一些人能夠幫忙！

基本上，我想刮一個網頁並訪問某個html表格及其信息。我需要解析出這些信息，並將其格式化爲期望的結果。

因此，從哪裏開始.....我的繼承人的PHP我迄今

<?php 

$url = "http://www.goldenplec.com/festivals/oxegen-2/oxegen-2011"; 
$raw = file_get_contents($url); 

$newlines = array("\t","\n","\r","\x20\x20","\0","\x0B"); 
$content = str_replace($newlines, "", html_entity_decode($raw)); 

$start = strpos($content,'<table style="background: #FFF; font-size: 13px;"'); 
$end = strpos($content,'</table>',$start) + 8; 

$table = substr($content,$start,$end-$start); 

echo $table; 


/* Regex here to echo the desired result */ 


?> 

該URL包含了我所需要的表寫的。我的代碼只會回顯確切的表格。

但是，並繼承我的問題，我絕不是一個reg-ex專家，我需要以某種格式顯示錶中的數據。我想如下呼應包含多個SQL INSERT語句的XML文件：

$xml_output .= "<statement>INSERT INTO timetable VALUES(1,'Black Eyed Peas','Main Stage','Friday', '23:15')</statement>"; 
$xml_output .= "<statement>INSERT INTO timetable VALUES(2,'Swedish House Mafia','Vodafone Stage','Friday', '23:30')</statement>"; 
$xml_output .= "<statement>INSERT INTO timetable VALUES(3,'Foo Fighters','Main Stage','Saturday', '23:25')</statement>"; 
$xml_output .= "<statement>INSERT INTO timetable VALUES(4,'Deadmau5','Vodafone Stage','Saturday', '23:05')</statement>"; 
$xml_output .= "<statement>INSERT INTO timetable VALUES(5,'Coldplay','Main Stage','Sunday', '22:25')</statement>"; 
$xml_output .= "<statement>INSERT INTO timetable VALUES(6,'Pendalum','Vodafone Stage','Sunday', '22:15')</statement>"; 

我希望我已經提供了足夠的信息，我將非常從你一種民間得到任何幫助。

在此先感謝。

Answer 1

你在刮刮時使用類似XPATH的東西要好得多。我得到了所有<TD>元素，確定場地總是UPPERCASE，所以我們可以利用這個優勢。我們還列出了一些天，&一些空格，所以我跳過這些。我通過檢查表示時間的":"來確定行爲部分的開始。假設該事件持續3天&數據交錯的安排每天都有作用，我只是增加日期&，然後在到達事件的最後一天時重置它。

可能是一些字符編碼問題在這裏發生，也許，但不想幹涉太多。那裏可能有更優雅的解決方案。

編輯：剛纔注意到，並非所有的行爲都是3天完全交錯，所以這將更難以得到事件的一天。下面的代碼不會給每個行爲準確的日子。主要是「小綠車」 &「Touchwood商場」

EDIT2：該代碼現已更新& 應該用正確的日期正確解析所有行爲。沒有任何計劃的違規日期由兩個空字符串表示（""）。我們可以檢測到這些&增加我們的$day計數器。

<?php 

libxml_use_internal_errors(true); 

$url = "lineup2011.html"; 
$rawHTML = file_get_contents($url); 

$dom = new DOMDocument(); 
$dom->loadHTML($rawHTML); 


$xpath = new DOMXPath($dom); 

$nodeList = $xpath->query("//table//td"); 

$nodeCount = 0; 
$venue = ""; 
$day = 0; 
$acts = array(); 

while ($nodeCount < $nodeList->length) { 
    $value = $nodeList->item($nodeCount)->nodeValue; 

    if (isUpper($value) && strpos($value, ":") === false && $value != "") { 
     $venue = $value; 
     $nodeCount += 7; 
     $day = 0; 
     continue; 
    } 

    if ($value == "" && $nodeList->item($nodeCount + 1)->nodeValue == "") { 
     $day++; 
     $nodeCount += 2; 
     continue; 
    } 

    $act = array(); 
    $act['time'] = $value; 
    $act['name'] = $nodeList->item($nodeCount + 1)->nodeValue; 
    $act['venue'] = $venue; 

    $act['day'] = $day % 3; 


    $day++; 

    $acts[] = $act; 
    $nodeCount += 2; 
} 

print_r($acts); 


function isUpper($str) { 
    return (strtoupper($str) == $str); 
}