解析HTML与PHP

我的工作在PHP（这是非常新的我）解析器通过以下源搜索：解析HTML与PHP

http://web2.uconn.edu/wdlcalendar/index.php/month/list/2010-11-02/All/All/UConn_Master_Calendar1/

解析器的目标是存储所需本地机器上的数据库中的信息：我们需要日期（例如11月1日），事件的名称，事件的时间以及指向该特定事件的“更多信息”页面的链接（它嵌入在作为超链接的事件的名称）。

第一部分：我使用getElementsByTagName（“h3”）获取日期，例如11月1日。但是，在HTML文档中，我不想要其他两个元素。

问题：有没有办法告诉解析器关注代码的特定部分或特定的字符串？

第二部分：我遇到的另一个问题是，指向事件页面的链接和代表事件名称的字符串在同一个HTML标记中混合在一起。我如何分别取出这些信息，因为getElementsByTagName（）函数（以我的理解）将无法做到这一点。下面是HTML的一部分：

<a class="smoothbox" href="http://web2.uconn.edu/wdlcalendar/index.php/occurrence/57237"> 
WEAR RED DAY 
<em>All Day</em> 
</a> 
</li>

的想法是，我想有“穿红色DAY”（名称）“全天”（时间）和“http://web2.uconn.edu /wdlcalendar/index.php/occurrence/57237“（链接）作为单独的元素存储在我们的数据库中。怎么样？！

来源

2010-11-03 Mike Schiraldi

请问您可以告诉我们您正在使用哪个解析器？ – texpert 2010-11-03 00:50:05

*（相关）* [解析HTML的最佳方法]（http://stackoverflow.com/questions/3577641/best-methods-to-parse-html/3577662#3577662） – Gordon 2010-11-03 08:18:47

http://www.codinghorror.com /blog/2009/11/parsing-html-the-cthulhu-way.html – APC 2010-11-04 05:51:53

如果你正在手动编写解析器，你做错了。我的建议是你使用existing HTML parser。另一种选择是尝试使用正则表达式来解决您的问题，但如果您的页面格式发生任何变化，它更可能是一个脆弱的临时解决方案。

来源

2010-11-03 00:48:51 M2tM

建议第三方替代[SimpleHtmlDom]（http://simplehtmldom.sourceforge.net/），它实际上使用[DOM]（http：// php.net/manual/en/book.dom.php）而不是字符串分析：[phpQuery]（http://code.google.com/p/phpquery/），[Zend_Dom]（http：//framework.zend .com/manual/en/zend.dom.html），[QueryPath]（http://querypath.org/）和[FluentDom]（http://www.fluentdom.org）。 – Gordon 2010-11-03 08:18:27

建议SimpleHTMLDom和正则表达式就像告诉OP在瘟疫和霍乱之间做出选择。 – Gordon 2010-11-03 08:23:40

公平不够，提高您的额外建议。这里的主要观点是，建议他继续尝试编写自己的解析器的道路更糟糕。 – M2tM 2010-11-03 16:31:07

解析HTML与PHP

回答

相关问题