需要帮助的网页抓取 - 获取特定的内容...

Question

我有一个表格，其列数可以改变，取决于报废页面的配置（我无法控制它）。我只想从列标题指定的特定列中获取信息。

下面是一个简化的表：

<table> 
<tbody> 
<tr class='header'> 
    <td>Image</td> 
    <td>Name</td> 
    <td>Time</td> 
</tr> 
<tr> 
    <td><img src='someimage.png' /></td> 
    <td>Name 1</td> 
    <td>13:02</td> 
</tr> 
<tr> 
    <td><img src='someimage.png' /></td> 
    <td>Name 2</td> 
    <td>13:43</td> 
</tr> 
<tr> 
    <td><img src='someimage.png' /></td> 
    <td>Name 3</td> 
    <td>14:53</td> 
</tr> 
</tbody> 
</table> 

我想只提取名称（栏2）表中的。但是，如前所述，列顺序不可知。图像列可能不在那里，例如，在这种情况下，我想要的列将是第一个。

我想知道是否有任何方法可以用DomDocument/DomXPath来做到这一点。也许在第一个tr中搜索字符串“Name”，并找出它是哪个列索引，然后用它来获取信息。不太优雅的解决方案是查看第一列是否有img标记，在这种情况下，图像列是第一个，所以我们可以用这种方式抛出并使用下一个。

一直在看它约一个半小时，但我不熟悉DomDocument的功能和操作。这个有很多麻烦。

Answer 1

Simple HTML DOM Parser可能是有用的。你可以查看手册。基本上你应该使用类似的东西;

$url = "file url"; 
$html = file_get_html($url); 
$header = $html->find('tr.header td'); 
$i = 0; 
foreach ($header as $element){ 
if ($element->innerText == 'Image') { $num = $i; } 
$i++; 
} 

我们发现哪列（$ num）是图像列。您可以添加额外的代码来改进。 PS：寻找所有图像源的简单方法;

$images = $html->find('tr td img'); 
foreach ($images as $image){ 
$imageUrl[] = $image->src; 
}