2

这是我的第一篇文章，如果我做错了，我很抱歉，但我们开始吧：

我一直在从事一个应该从网站上抓取价值的项目。这些值是 javascript 数组中的变量。我正在使用PHP Simple HTML DOM，它适用于普通脚本，但不适用于存储在 CDATA 块中的脚本。因此，我正在寻找一种在 CDATA 块中抓取数据的方法。不幸的是，我能找到的所有帮助都是针对 XML 文件的，而我正在从 HTML 文件中抓取。

我试图抓取的 javascript 如下：

<script type="text/javascript">
//<![CDATA[
var data = [{"value":8.41,"color":"1C5A0D","text":"17/11"},{"value":9.86,"color":"1C5A0D","text":"18/11"},{"value":7.72,"color":"1C5A0D","text":"19/11"},{"value":9.42,"color":"1C5A0D","text":"20/11"}];
//]]>
</script>

我需要抓取的是 var 数据中的“值”变量。

问题是我试图替换对象上的 CDATA 字符串。以下代码完美运行:-)

include('simple_html_dom.php');

$lines = file_get_contents('http://www.virtualmanager.com/players/7793477-danijel-pavliuk/training');

$lines = str_replace("//<![CDATA[","",$lines);
$lines = str_replace("//]]>","",$lines);

$html = str_get_html($lines);

foreach($html->find('script') as $element) {
    echo $element->innertext;
}

如果需要，我会为您提供更多信息。

4

1 回答 1

2

一个体面的 HTML 解析器不应该要求将 Javascript 包装在一个CDATA块中。如果他们把它扔掉，只需在解析之前将它们从 HTML 中删除，执行如下操作：

  1. 如果您的主机在该函数中禁用了 HTTP 支持，请使用file_get_contents()或cURL将 HTML 文件下载到字符串中。
  2. 摆脱//<![CDATA[和//]]>位使用str_replace()
  3. 使用 Simple DOM 从清理后的字符串中解析 HTMLstr_get_html()
  4. 像以前一样处理 DOM 对象。
于 2013-03-16T18:02:18.560 回答