PHPでのスクラップ

Question

私は正規表現を使用してPHPでhtmlスクラップを行ってきました。これは動作しますが、結果は厄介で壊れやすくなります。より堅牢なソリューションを提供するパッケージを使用した人はいますか？構成主導型のソリューションが理想的ですが、私は気にしません。

Answer 1

このページからHTMLを削った後は、PHP Simple HTML DOM Parserをお勧めします。それは無効なHTMLをサポートし、HTML要素を扱う非常に簡単な方法を提供します。あなたはスクレーピングしているページが有効なX（HT）MLであれば

Answer 2

、その後、PHP's built-in XML parsersのいずれかが行います。

私はスクレイピングのためにPHPライブラリで多くの成功を収めていません。あなたが冒険しているなら、simplehtmldomを試すことができます。 Rubyの場合はHpricot、Pythonの場合はBeautiful Soupをお勧めします。どちらも優れたパーサーです。

Answer 3

私は上記のSimple Html DOM Parserで結果が非常に良好でした。そして、tidy Extension for PHPもあります。これも本当にうまくいきます。

Answer 4

私はで動作するようにいくつかのそれほどハイエンドソリューションではありませんhtmlSQLで作業を楽しみ、が、本当に簡単でした。私は個人的にcURLの+の正規表現を使用してもHTMLスクレイピングのためのPHPを使用して

Answer 5

は、私は、cURLの+の正規表現やcURLの+いくつかのDOMパーサをお勧めします。あなたがregexpの深い味を持っているなら、実際にはもっと正確です。

Answer 6

「シンプルHTML DOMパーサー」もお勧めします。特に、jQueryやJavaScriptのセレクタに精通していれば、自宅にいると良い選択肢です。

I have even blogged about it in the past.

Answer 7

私は私のホスト1and1でカールを使用する必要がありました。

http://www.quickscrape.com/私はSimple DOMクラスを使用しています！