php 抓取的页面如何处理可以只保留DOM结构，去掉CSS和JS？
正则规则写好后，页面一旦有改变就要重新修改正则。
先提取页面的 DOM，有没有比较好的办法？
展开
收起
2
条回答
写回答
写回答
-
-
我想你需要的是 php 的 DOM 模块 ... 默认有安装不用担心 ...
因为不知道你的实际应用场景是什么 ... 给你写个简单的例子吧 ...
<?php /* i heard that you need DOM ..? */ $doc = new DOMDocument(); /* i wrote a simple page ... change it to a curl result ... */ $doc->loadHTML( <<<HTML_SECTION <html><head><title>Sunyanzi's Test</title></head> <body> <h1>Hello World</h1> <a href="http://segmentfault.com/" id="onlylink">Hey Welcome</a> </body></html> HTML_SECTION ); /* now we should try to get something ... */ $h1Elements = $doc->getElementsByTagName( 'h1' ); /* this line prints "Hello World" ... */ foreach( $h1Elements as $h1Node ) echo $h1Node->nodeValue, PHP_EOL; /* and this line prints "http://segmentfault.com/" ... */ echo $doc->getElementById( 'onlylink' )->getAttribute( 'href' ), PHP_EOL; /* now i will introduce something advanced ... using XPath ... */ $xpath = new DOMXPath( $doc ); /* also prints "http://segmentfault.com/" ... locate via h1 ... */ echo $xpath->evaluate( 'string(//h1[text()="Hello World"]/following-sibling::a/@href)' ), PHP_EOL;基本上 ... 等到你熟练掌握 XPath 之后 ... 你会发现 DOM 比正则要灵活得多 ...
php 处理 XML 的能力远远超乎你的想象 ... 有空读读手册不是坏事恩 ...
2019-07-17 19:13:31赞同 展开评论 打赏
问答分类：
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
相关问答
