标签: simple-html-dom

我只是从提到的Parser开始,并以某种方式直接在开始时运行问题.

参考本教程:

http://net.tutsplus.com/tutorials/php/html-parsing-and-screen-scraping-with-the-simple-html-dom-library/

我现在想要在一个源代码中找到一个带有类ClearBoth Box的div的内容

我用curl检索代码并创建一个简单的html dom对象:

$cl = curl_exec($curl);  
$html = new simple_html_dom();
$html->load($cl);

然后我想将div的内容添加到一个名为divs的数组中:

$divs = $html->find('div[.ClearBoth Box]');

但是现在,当我print_r $ divs时,它提供了更多,尽管事实上源代码在div中没有​​更多.

像这样:

Array
(
    [0] => simple_html_dom_node Object
        (
            [nodetype] => 1
            [tag] => br
            [attr] => Array
                (
                    [class] => ClearBoth
                )

            [children] => Array
                (
                )

            [nodes] => Array
                (
                )

            [parent] => simple_html_dom_node Object
                (
                    [nodetype] => 1
                    [tag] => div
                    [attr] => Array
                        (
                            [class] => SocialMedia
                        )

                    [children] => Array
                        (
                            [0] => …

我一直在使用CURL来抓取网站一段时间以及简单的HTML DOM.我经历过CURL对于抓取网站要好得多.但是我真的很喜欢Simple HTML DOM的简单性.所以我想为什么不把两者结合起来,我试过:

require_once('simple_html_dom.php');

    $url = 'http://news.yahoo.com/';

    $ch = curl_init($url);
    curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
    $curl_scraped_page = curl_exec($ch);

    $html = new simple_html_dom();
    $html->load($curl_scraped_page);


    foreach($html->find('head') as $d) {
        $d->innertext = "<base href='$url'>" . $d->innertext;
    }

    echo $html->save();

我尽我所能,但它不起作用.我还能尝试什么？

我需要使用 API 不支持的谷歌反向图像搜索来获取一些图像，但幸运的是，您可以使用指向图像的直接链接查询谷歌，它仍然显示结果，因此：

$googleURL = "https://www.google.com/searchbyimage?&image_url=".$imageURL;
echo $googleURL;

输出：

https://www.google.com.au/search?tbs=sbi:AMhZZiu9rNRW4ETWGjN9XYQKsa21UHM7j_1TjMjXvYyNH1knVTyMGZGNmS2yme4CsQb0T7UViTyNrG4e8u_1xLY-dZCU16wkfdUakeY7idDwyMge78nT--Grpll4t9_1fp4YPTsJyKRUANzw1Iyctsko7OZbkYES3VUHtyNy9l9RJf12YOdEvVOxSZCO6-JPxO0PpZ5p79Rr-eDUrqENWYVbk4qojafKMTVfuXvoACQ9iykI-DMVbP9n_1o0YkdKTdUeK2r30wg4Oe2BqspoXlI_11rxySuK6TolPM6z58E6erTT0bnYfXTlyDMBfOwgSfhbn2ipLrNHgNdqyk-YhmMP0_1ZzqVyZrgMz-I5cfH9N65nX6bhZfos0lgr8_15V6ZHtX0_1p8s5r229JDrwzlwnjwOBLgP1inmEORCaKOlcfHbyPnU3n04pIfLGu5fWYpbmFJwtK_1vaJvS0uFb6Pkh_1uv0wvz_10yf4O6E1IvBSoMudcYy4cmJ1zegJJ9L50C0bzXFIRUb62lcPJWbkZNR44Tz378nOSXd-PND0JfKQ-TujT3KfC_1O241knvr9Eb3LbuvncGiCMoPgxlUY4r9B_1KWchNWhJVTJz9omeiygwz5K_13YkjuLg52UF6YWvLedCxgRoUpuj9kFdmYt-b9Tn2VEZG8yfiLm3OTkZnlVYtPF87LLQAHH24VpLMoV0oDllHDK3xOXhvusl_1K2Me9tTdK15PPG7oreeWfYRztQwTpG4iB5GAnaj687OQukvxX5hNFIqXx_1QSuNooDhIP1eJl-6QYfuI4MPasj6flSMom7HYTSjyjcsQKw0Prj1bBsJY6qH1qyLrF1f1_1Ql0COERnbOV7O5mTOuTkNWarmR5wzE06qbgsrtT95ENqafd81ppHbA0Jyg-xQ8TLV-dSp1QDAtiYAHI_11tCwsDtrak4jDS4qAfEJCw_1lb9urJqqajvp25jLH2_1mN3u0eeW7xNF-PljofyhI0iIWYSg6ghyOVRIaT_1c6klKUPvOrquZy8hMCZWHb3CYZNGJeKTnACCyYW1MNVUsYnoFWORN6hvkVlUk0beFXvA_1W2vaoedLjj-fN1y8_1dPOiBROLYtv85nq01csCKk7Eib6p2b_131wEeQBYocoYU0sGTv2_1dhOvSXRPGTnrbZlNDbJFUtH4pF9tMQj5-Fh_1lw9TTXGCjQ9UjOSLD5q7tNjCQU1As1uCQBvmZvxo7J3gZSAcj_19wXfHZCOsA8g-WA97V-2b62ia4RFOehQ38hoXoK7MCSDLnVtJTsKQz9HuEreXm8qGQlbDzfr7JFuHHe2MOyChwnL_1gzRnZd8uv2OIM0nzKh_1wg4T1KCXv3NSGNkSyNxpYXFJ161Sv3NpQQI3epBMiYA_1AcQDiCxOTQvWj00e5EXaXN22CDRWRq3uk4HWj2eXcR6-TGmsYEfSGX9nyQwK1DHp9yaNjk9Bal7rNHUAe_1eMDsCWW9htaLyiMTio0eXyTumVrlt7ShZVd8oSPOj8U0ilY9owH95jz7LsI8vUnzF-FC2m_1yNt3xe4ZAcsRTbYQXTN3Ga76vTQBPu8oz0gkYmDTA&gws_rd=cr&ei=wAHVVJOVLIeeugSZ64A4

..现在在这个页面上，我需要点击链接到实际结果页面，所以我的情况看起来像：

if a.text == 'Large' 
elseif a.text == 'Medium'
elseif a.text == 'Visually similar images'{
    // crawl the link
    // get direct links of top 10 results  
}

但我不确定如何：

1. 获取href是否满足条件a.text == 'Large'，因为Simple HTML DOM Parser或PHPQuery两者都没有this像 jQuery。
2. 在获取结果页面时，如何触发 mousedown 以获取全尺寸图像 URL，因为这是我在源中看到的： jsaction="mousedown:irc.rl;keydown:irc.rlk"

这是我想要做的快速截屏：https ://www.dropbox.com/s/c8g7fs5m5zqcegb/2015-02-07_08-56-23.mp4 ? dl =0 (5.9mb)

我已经使用PHP Simple HTML DOM解析器首先通过str_get_html()simple_html_dom.php方法将HTML字符串转换为DOM对象。

$summary = str_get_html($html_string);

1. 然后我提取的<img>对象从$summary由

   foreach ($summary->find('img') as $img) {
       $image = $img;
       break;
   }
   

   Run Code Online (Sandbox Code Playgroud)

   现在，我需要将$ image DOM对象转换回字符串。我使用了这里提到的面向对象的方式：

   $image_string = $image->save();
   

   Run Code Online (Sandbox Code Playgroud)

   我收到了错误（来自Moodle调试器）：

   致命错误：调用未定义的方法simple_html_dom_node :: save（）...

2. 所以我想，因为我正在使用Moodle，所以可能与Moodle有关，所以我只是从同一本手册中进行了简单的（非面向对象的？）方式：

   $image_string = $image;
   

   Run Code Online (Sandbox Code Playgroud)

   然后只是为了检查/确认它已被转换为字符串，我做了：

   echo '$image TYPE: '.gettype($image);
   echo '<br><br>';
   echo '$image_string TYPE: '.gettype($image_string);
   

   Run Code Online (Sandbox Code Playgroud)

   但这打印：

   $image TYPE: object
   
   $image_string TYPE: object
   

   Run Code Online (Sandbox Code Playgroud)

所以问题是为什么？难道我做错了什么？

目前我正在从事一个项目，该项目要求我解析来自替代网站的一些数据，但我遇到了一些问题（请注意，我对PHP编码非常陌生。）

这是我在下面使用的代码 + 它返回的内容。

$dl = $html2->find('ol.tracklist',0);
print $dl = $dl->outertext;

上面的代码返回我们想要获取的数据，它在下面但非常混乱，如果你想看点击这里。

但是，当我把它放在 foreach 中时，它一次只返回一个a href属性。

foreach($html2->find('ol.tracklist') as $li) 
{
    $title = $li->find('a',0);
    print $title;
}

我该怎么做才能返回a href上面示例代码中的所有元素？

注意：我为此使用 simple_html_dom.php。

我有一个看起来像这样的html片段(当然包围其他html):

<p class="finfot3"><b>Header:</b></p>
<p>Text</p>

我怎么能从中得到Text这个？我正在使用simple_html_dom,但如果simple_html_dom不能这样做,我可以使用其他东西.

SimpleHtmldom可用于使用类提取第一个元素的内容description.

$html = str_get_html($html);
$html->find('.description', 0)

但是,如果此类不存在,PHP将抛出错误

Trying to get property of non-object

我试过了

if(!isset($html->find('.description', 0))) {
    echo 'not set';
}

和

if(!empty($html->find('.description', 0))) {
    echo 'not set';
}

但两者都给出了错误

Can't use method return value in write context

检查元素是否存在的正确方法是什么？

我认为PHP没有用，因为执行php后会插入iframe，还是我错了？

因此，我知道的唯一解决方案是使用Javascript / jQuery。

例如，如果JS与iframe位于同一页面上，则此方法有效：

<html>
<head>
<title></title>
<script type="text/javascript" src="http://ajax.googleapis.com/ajax/libs/jquery/1.3.2/jquery.js"></script>
<script type="text/javascript">

  $(function() {
    var myContent = $("#iFrame").contents().find("#myContent")
  });

</script>
</head>
<body>
  <iframe src="mifile.html" id="iFrame" style="width:200px;height:70px;border:dotted 1px red" frameborder="0">
     <div id="myContent">
        iframe content blablabla
     </div>
  </iframe>
</body>
</html>

但是我正在使用简单HTML DOM库来抓取遥远的网页，例如：

$url = 'http://page-with-some-iframe.com/';
            $html = file_get_html( $url );

            // Find iframes and put them in an array
            $iframes_arr = array();
            foreach($html->find('iframe') as $element) {
                $iframes_arr[] = $element->outertext;
            }
var_dump($iframes_arr);
die();

但很明显，什么也不会返回；（，因为在php运行后会显示iframe;（

所以，我在想我可能需要注入以下代码：

<script type="text/javascript">

  $(function() {
    var myContent = …

我使用PHP Simple Html Dom来获取一些HTML,现在我有一个像跟随代码的html dom,我需要获取纯文本内部div,但避免使用p标签及其内容(仅返回111111),谁可以帮助我？谢谢提前!

<div>
    <p>00000000</p>
    111111
    <p>22222222</p>
</div>

HTML：

<div class="something" data-a="abc">ddsf</d>

PHP：

foreach ($dom->find('.something[data-rel]') as $this) {
    var_dump($this->attr());
}

我试过这个但错误。在其文档中找不到任何信息。我想获得data-aabc 的值。