一个不错的HTML解析器发现这是http://simplehtmldom.sourceforge.net/但它未能奏效需要在PHP
extracting this page http://php.net/manual/en/function.curl-setopt.php
and parse it to plain html, it failed and returned a partial html page
这就是我想做的事， 进入一个HTML页面，并获得组件的个人（的内容所有div和p在一个层次结构中） 我喜欢simplehtmldom的特性，任何这样的解析器都是必需的，它对所有代码都很好（最好和最差）。
我经常使用DOMDocument::loadHTML，这在一般情况下效果不错 - 我喜欢查询文档，一旦它们被加载为DOM，使用Xpath。不幸的是，我认为，在某些情况下，如果HTML页面真的很糟糕，可能会出现一些解析问题... 这就是当你开始理解尊重Web标准是一个好主意的时候。 。
大厦帕斯卡·马丁的反应...
我用卷曲和XPATH的组合。以下是我在其中一个课程中使用的功能。
然后，您可以使用evaluate解析文档结构和提取信息，你想
$resultDom = $this->xpath->evaluate("//span[@id='headerResults']/strong");
$this->results = $resultDom->item(0)->nodeValue;
我发现在这里我用最好的一个是 - http://querypath.org/
好，谁的人必须解析*其他人的*代码它是完全不相关的尊重网络标准的不:-) – Joey 2009-12-09 12:07:42
@Johannes>确实;;但是如果你尝试解析其他人的HTML，那么有一天你或许会不得不生产HTML，而且，那一天，记住解析蹩脚HTML的困难可能会鼓励你编写干净的HTML （跳跃......） – 2009-12-09 12:10:30