我一直在使用正则表达式在 PHP 中进行一些 HTML 抓取。这行得通，但结果是挑剔和脆弱的。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。
tsellon
问问题
45220 次
7 回答
28
在您从页面中抓取 HTML 之后，我会推荐PHP Simple HTML DOM Parser 。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。
于 2008-08-29T07:55:42.710 回答
5
如果您正在抓取的页面是有效的 X(HT)ML，那么任何PHP 的内置 XML 解析器都可以。
我在用于抓取的 PHP 库方面没有取得多大成功。如果你喜欢冒险，你可以试试simplehtmldom。我推荐用于 Ruby的Hpricot或用于 Python 的Beautiful Soup，它们都是出色的 HTML 解析器。
于 2008-08-29T08:01:37.457 回答
5
我在使用htmlSQL时获得了一些乐趣，这不是一个高端解决方案，但使用起来非常简单。
于 2008-08-29T09:40:59.540 回答
5
我还会推荐“简单的 HTML DOM 解析器”。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里。
于 2009-07-31T19:43:11.867 回答
3
使用 PHP 进行 HTML 抓取，我推荐 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刻的了解，它实际上有时会更准确。
于 2008-12-27T09:11:09.953 回答
2
我对上面提到的Simple Html DOM Parser的结果也非常满意。然后还有 整洁的 PHP 扩展，它也非常好用。
于 2008-08-29T08:08:50.417 回答
2
我不得不在我的主机 1and1 上使用 curl。
http://www.quickscrape.com/是我使用 Simple DOM 类提出的！
于 2010-12-02T06:51:57.477 回答