HTML Raspado en Php [duplicar]

Question

Esta pregunta ya tiene una respuesta aquí:

• ¿Cómo analizar y proceso de HTML/XML en PHP? 30 respuestas

Yo he estado haciendo algunas HTML raspado en PHP usando expresiones regulares.Esto funciona, pero el resultado es muy delicada y frágil.Alguien ha utilizado alguno de los paquetes que proporcionan una solución más robusta?Una configuración impulsado solución sería ideal, pero no soy exigente.

Answer 1

Lo recomendaría PHP Simple HTML DOM Parser después de haber raspado el código HTML de la página.Es compatible con HTML no válido, y proporciona una manera muy fácil de manejar elementos HTML.

Answer 2

Si la página está raspando es válido X(HT)ML, entonces cualquiera de PHP integrado en los analizadores XML va a hacer.

No he tenido mucho éxito con bibliotecas de PHP para raspar.Si eres aventurero, sin embargo, usted puede intentar simplehtmldom.Me gustaría recomendar Hpricot Rubí o La Sopa De Hermosa para Python, que son ambos excelente analizadores de HTML.

Answer 3

También recomiendo " Simple HTML DOM Parser.' Es una buena opción, sobre todo si su familiar con jQuery o JavaScript selectores, entonces usted se encontrará como en casa.

Incluso he blogueado acerca de ello en el pasado.

Answer 4

Yo tenía un poco de diversión de trabajo con htmlSQL, que no es tanto una solución de alta gama, pero muy fácil de trabajar.

Answer 5

El uso de PHP HTML raspado, me gustaría recomendar el cURL + regexp o cURL + algunos DOM analizadores aunque yo personalmente uso cURL + regexp.Si usted tiene un profundo sabor de regexp, en realidad es más preciso a veces.

Answer 6

He tenido muy buenos resultados con el Simple Html DOM Parser mencionados.Y luego está el ordenado de Extensión para PHP así que funciona muy bien también.

Answer 7

Tuve que usar curl en mi host de 1and1.

http://www.quickscrape.com/ es lo que me ocurrió con el uso de la Simple DOM clase!