简单的PHP屏幕抓取功能

我正在试验使用WordPress的自动注册（即RSS驱动的博客张贴），而所缺少的是一个组件，用RSS的URL链接内容自动填充帖子内容（RSS与解决方案无关）。简单的PHP屏幕抓取功能

使用标准的PHP 5，我怎么可以创建一个名为fetchHTML功能（[URL]）返回那是<body>...</body>标签之间发现了一个网页的HTML内容？

请让我知道是否有任何先决条件“包括”。谢谢。

2010-08-03 Yaaqov

会让网络更加垃圾？ – 2010-08-04 04:26:33

假设它永远是<body>而不是<BODY>或<body style="width:100%">或任何东西，除了<body>和</body>，并与你不应该使用正则表达式解析HTML，即使我约而至，这里亚去了警告：

<?php 

function fetchHTML($url) 
{ 
    $feed = '<body>Lots of stuff in here</body>'; 

    $content = file_get_contents($url); 

    preg_match('/<body>([\s\S]{1,})<\/body>/m', $content, $match); 

    $content = $match[1]; 

    return $content; 


} // fetchHTML 
?>

如果你echo fetchHTML([some url]);，你会得到body标签之间的html。

请注意原始警告。

来源

2010-08-03 19:29:46 hookedonwinter

非常简单 - 很好的答案。我将如何检查标签的不同执行方式（如上面强调的那样）？是否有不区分大小写的正则表达式开关？ – Yaaqov 2010-08-03 19:33:26

有。这只是我（在模式结束前的那个m之前）。但是，例如，http://stackoverflow.com将无法正常工作，因为开头体标签是'' – hookedonwinter 2010-08-03 19:34:18

明白了。感谢指针。 – Yaaqov 2010-08-03 19:41:56

我觉得你使用像SimpleDom一类的更好 - >http://sourceforge.net/projects/simplehtmldom/提取数据，你不需要写这样复杂的正则表达式

来源

2010-08-04 04:22:49 niggles

谢谢。不错的图书馆，使用直观，它包括jquery样选择器。截至2013年年中，它似乎仍然是一个活跃的项目。 – 2013-09-16 01:32:52

好，这是一个DOM解析器的代码示例的要求。

<?php 

function fetchHTML($url) 
    { 

    $content = file_get_contents($url); 

    $html=new DomDocument(); 
    $body=$html->getelementsbytagname('body'); 
    foreach($body as $b){ $content=$b->textContent; break; }//hmm, is there a better way to do that? 
    return $content; 
    }

来源

2010-08-04 05:11:12 JAL

从来没有见过DomDocument（）！我必须确认一下。它使我想仅仅使用jQuery的解决方案...'（<？= $ content？>）.find（'body'）.html（）;'heh – hookedonwinter 2010-08-04 05:20:12

@hookedonwinter哈...这将工作，我猜！如果你在浏览器中打开它，嗯......这让我想起，实际上有一种叫做phpquery的http://code.google.com/p/phpquery/，它非常酷！ – JAL 2010-08-04 14:44:05

JL现在你已经给了我足够的时间来学习下一周。谢谢！ – hookedonwinter 2010-08-04 14:54:43

简单的PHP屏幕抓取功能

回答

相关问题