从HTML中提取文本

我正在更新我的网站以设置rDNS，但是我要在此处询问您如何处理我的问题的意见。我将所有IP（IPv4）放在一个名为$aIP的阵列中。现在我有一个这样的名单：从HTML中提取文本

<tr><td>1.2.3.4</td><td>hostname.bla.com</td><td><a href="edit-reverse.cgi?id=1">myserver.com</a></td></tr> 
<tr><td>1.2.3.5</td><td>hostname.bla.com</td><td><a href="edit-reverse.cgi?id=2"><i>not set</i></a></td></tr> 
<tr><td>1.2.3.6</td><td>hostname.bla.com</td><td><a href="edit-reverse.cgi?id=3"><i>not set</i></a></td></tr> 
<tr><td>1.2.3.7</td><td>hostname.bla.com</td><td><a href="edit-reverse.cgi?id=4">test.myserver.com</a></td></tr> 
<tr><td>1.2.3.8</td><td>hostname.bla.com</td><td><a href="edit-reverse.cgi?id=5"><i>not set</i></a></td></tr> 
<tr><td>1.2.3.9</td><td>hostname.bla.com</td><td><a href="edit-reverse.cgi?id=6"><i>not set</i></a></td></tr>

现在我需要当前的RDN值（在这种情况下，无论是myserver.com或not set或test.myserver.com），我需要的价值或者它链接到（edit-reverse.cgi?id=1或1完整的URL ），它链接到阵列$aIP中的IP地址。

这将是预期的输出（未特别是在这个输出格式，而在数组或东西）：

1.2.3.4 => 1, myserver.com 
1.2.3.5 => 2, not set 
1.2.3.6 => 3, not set 
1.2.3.7 => 4, test.myserver.com 
1.2.3.8 => 5, not set 
1.2.3.9 => 6, not set

请记住，不是所有的IP地址，我有可能是$aIP阵列，所以基本上它应该遍历HTML代码并根据$aIP数组搜索值。

我正在考虑使用正则表达式，但后来我不知道他们很多，所以它可能是非常低效的代码。处理这个问题的最佳方法是什么？

来源

2012-02-20 Devator

你有没有考虑过使用HTML解析器来解析这个HTML？ – Borealid 2012-02-20 19:20:46

http://simplehtmldom.sourceforge.net/ – Crontab 2012-02-20 19:23:33

你不想做的是使用正则表达式。原因如下：http://htmlparsing.com/regexes – 2014-03-07 03:34:08

我已经找到了一个完美的解决方案，使用本机的功能：

/*** a new dom object ***/ 
$dom = new domDocument; 

/*** load the html into the object ***/ 
$dom->loadHTML($html); 

/*** discard white space ***/ 
$dom->preserveWhiteSpace = false; 

/*** the table by its tag name ***/ 
$tables = $dom->getElementsByTagName('table'); 

/*** get all rows from the table ***/ 
$rows = $tables->item(0)->getElementsByTagName('tr'); 

/*** loop over the table rows ***/ 
foreach ($rows as $row) 
{ 
    /*** get each column by tag name ***/ 
    $cols = $row->getElementsByTagName('td'); 
    /*** echo the values ***/ 
    echo $cols->item(0)->nodeValue.'<br />'; 
    echo $cols->item(1)->nodeValue.'<br />'; 
    echo $cols->item(2)->nodeValue; 
    echo '<hr />'; 
}

找到在http://www.phpro.org/examples/Parse-HTML-With-PHP-And-DOM.html

感谢所有。

来源

2012-02-20 21:28:30 Devator

从HTML中提取文本

回答

相关问题