PHP 中的 HTML 抓取 [重复]

Question

这个问题在这里已经有答案了：

• 如何在 PHP 中解析和处理 HTML/XML？ 30 个答案

我一直在使用正则表达式在 PHP 中进行一些 HTML 抓取。这可行，但结果是挑剔且脆弱的。有没有人使用过任何提供更强大解决方案的软件包？配置驱动的解决方案将是理想的，但我并不挑剔。

Answer 1

我会推荐 PHP 简单 HTML DOM 解析器 从页面中抓取 HTML 后。它支持无效的 HTML，并提供了一种非常简单的方法来处理 HTML 元素。

Answer 2

如果您正在抓取的页面是有效的 X(HT)ML，则以下任意一个 PHP 的内置 XML 解析器 会做。

我在使用 PHP 库进行抓取方面还没有取得太大成功。如果你喜欢冒险，你可以尝试一下 简单的htmldom. 。我会推荐 赫普里科特 对于红宝石或 美丽的汤 对于Python来说，两者都是 出色的 HTML 解析器。

Answer 3

我也建议“简单的HTML DOM PARSER”。这是一个不错的选择，特别是如果您熟悉JQuery或JavaScript选择器，那么您会发现自己在家。

我过去甚至在博客上谈到过它。

Answer 4

和我一起工作很开心 htmlSQL, ，这并不是一个高端解决方案，但使用起来非常简单。

Answer 5

使用 PHP 进行 HTML 抓取，我建议使用 cURL + regexp 或 cURL + 一些 DOM 解析器，尽管我个人使用 cURL + regexp。如果您对正则表达式有深入的了解，有时它实际上会更准确。

Answer 6

我的成绩非常好 简单的 Html DOM 解析器 上面也提到了。然后是PHP 的整洁扩展 以及效果也非常好。

Answer 7

我必须在主机 1 和 1 上使用curl。

http://www.quickscrape.com/ 这就是我使用 Simple DOM 类想到的！