获取一个页面的表格数据

Question

我想回复一些类似于这个问题的其他网站的数据Getting data from another site with php via ID。

表中有一行我想获取并回显，但无法使其回显任何内容。

这是我的代码，因为我调整它来自​​上述问题的代码，但它不起作用。

$content = "http://voucher.gov.gr/project/pedy-results/gid/14?search=PDNO-78256-114-20140722-120951"; 

$ch = curl_init(); 

    curl_setopt($ch, CURLOPT_URL, $content);   
    curl_setopt($ch, CURLOPT_NOBODY, false); 
    curl_setopt($ch, CURLOPT_FOLLOWLOCATION, true); 
    curl_setopt($ch, CURLOPT_RETURNTRANSFER, true); 
    curl_setopt($ch, CURLOPT_SSL_VERIFYPEER, false); 
    $body= curl_exec ($ch); 
    curl_close ($ch); 

    preg_match('#<tr class="row0"><td>([0-9\.]*)</td><td>([0-9\.]*)</td><td>([0-9\.]*)</td><td>([0-9\.]*)</td><td>([0-9\.]*)</td><td>([0-9\.]*)</td><td>([0-9\.]*)</td><td>([0-9\.]*)</td><td>([0-9\.]*)</td><td>([0-9\.]*)</td><td>([0-9\.]*)</td>#Uis', $body, $resultmatch); 

    $results = $resultmatch; 

    foreach($results as $word) 
    echo $word; 

该数组虽然创建但没有数据。任何帮助/建议，将不胜感激谢谢！

编辑 解答：谢谢大家的帮助，但我设法使它工作！这是代码：

preg_match('#<td>(.*)</td>(.*)<td>(.*)</td>(.*)<td style="max-width:151px;"><strong>(.*)</strong></td>(.*)<td>(.*)</td>(.*)<td>(.*)</td>(.*)<td>(.*)</td>(.*)<td>(.*)</td>(.*)<td>(.*)</td>(.*)<td>(.*)</td>(.*)<td>(.*)</td>#Uis', $body, $resultmatch); 

此代码是不是绝对正确的答案，因为这不仅会返回内的信息对TD的我想，它也返回它们之间的白色空间，这就是因为代码不能没有工作在td之间放置“（。*）”。因为我不得不忍受它！但是，您可以通过忽略带有空格的结果插入数组（在我们的例子中为resultmatch[2,4,6,8,10...]等等）来避免它。我希望我的编辑帮助。当然可以进一步改进代码以避免将空白插入到数组中。

Answer 1

确认卷曲正确返回页面正文后，您的问题正确，因为preg_match。

匹配查找包含11个表格单元的css类“row0”的行，其中每个表格都包含以数字开头的内容，后面跟着任何内容([0-9\.]*)。

页解决在第一5个细胞是在启动非数字，因此没有比赛的内容，因此如果要匹配这一行，你可以改变表达式：

'#<tr class="row0"><td>(.*)</td><td>(.*)</td><td>(.*)</td><td>(.*)</td><td>(.*)</td><td>([0-9\.]*)</td><td>([0-9\.]*)</td><td>([0-9\.]*)</td><td>([0-9\.]*)</td><td>([0-9\.]*)</td><td>([0-9\.]*)</td>#Uis' 

正如我所说的在我的评论中，正则表达式并不是我强大的技能之一（因此我的评论中它有点不对），所以虽然我认为这会起作用，但您可能需要调整它。

我觉得RegExp“小提琴”网站http://regex101.com/确实有用。

Answer 2

如果您检查$ body，则会出现大量不必要的空白和换行符，这些空白和换行符会阻止您的表达式找到匹配项。

为了字母数字字符串匹配你需要的东西像“（。*？）\ U”

音符结束前U，允许符合Unicode字符。

所以我觉得这是你所需要的：

$content = "http://voucher.gov.gr/project/pedy-results/gid/14?search=PDNO-78256-114-20140722-120951"; 

$ch = curl_init(); 

curl_setopt($ch, CURLOPT_URL, $content);   
curl_setopt($ch, CURLOPT_NOBODY, false); 
curl_setopt($ch, CURLOPT_FOLLOWLOCATION, true); 
curl_setopt($ch, CURLOPT_RETURNTRANSFER, true); 
curl_setopt($ch, CURLOPT_SSL_VERIFYPEER, false); 
$body= curl_exec ($ch); 
curl_close ($ch); 

//you need to strip whitespace and line breaks first 
$body = preg_replace('~>[\s|\r\n]+<~', '><', $body); 
$body = preg_replace('#\n(*?)#', '', $body); 
preg_match('#<tr class=\"row0\"><td>(.*?)</td><td>(.*?)</td><td(.*?)>(.*?)</td><td>(.*?)</td><td>(.*?)</td><td>(.*?)</td><td>(.*?)</td><td>(.*?)</td><td>(.*?)</td><td>(.*?)</td><td>(.*?)</td>#u', $body, $resultmatch); 
var_dump($resultmatch); 

上述结果是这样的：

array (size=13) 
    0 => string '<...>' (length=398) 
    1 => string 'Στερεάς Ελλάδας' (length=29) 
    2 => string 'Φθιώτιδας' (length=18) 
    3 => string ' style="max-width:151px;"' (length=25) 
    4 => string '<strong>PDNO-78256-114-20140722-120951</strong>' (length=47) 
    5 => string ' 
      22/07/2014         12:09:51        ' (length=99) 
    6 => string 'Επιλεχθείς' (length=20) 
    7 => string '30' (length=2) 
    8 => string '30' (length=2) 
    9 => string '30' (length=2) 
    10 => string '10' (length=2) 
    11 => string '100' (length=3) 
    12 => string '1        ' (length=33) 

Answer 3

我相信你不应该使用正则表达式来解析HTML元素。

使用DOM API将不太容易出错。

你可以替换使用“的preg_match”行：

libxml_use_internal_errors(true); 
$domDocument = new DOMDocument(); 
$domDocument->loadHTML($body); 
$xpath = new DOMXPath($domDocument); 
$nodes = $xpath->query('//tr[@class="row0"][1]/td'); 

$results = array(); 
foreach($nodes as $node) { 
    $value = trim($node->nodeValue); 
    if(ctype_digit($value)) { 
     $results[] = $node->nodeValue; 
    } 
}