Вопрос: Разбирайте таблицу html с помощью file_get_contents в php-массив


Я пытаюсь проанализировать таблицу, показанную Вот  в многомерный php-массив. Я использую следующий код, но по какой-то причине возвращает пустой массив. После поиска в Интернете я нашел этот сайт  где я получил функцию parseTable (). От чтения комментариев на этом веб-сайте я вижу, что функция работает отлично. Поэтому я предполагаю, что что-то не так с тем, как я получаю HTML-код от file_get_contents (). Любые мысли о том, что я делаю неправильно?

<?php

$data = file_get_contents('http://flow935.com/playlist/flowhis.HTM');

function parseTable($html)
{
  // Find the table
  preg_match("/<table.*?>.*?<\/[\s]*table>/s", $html, $table_html);

  // Get title for each row
  preg_match_all("/<th.*?>(.*?)<\/[\s]*th>/", $table_html[0], $matches);
  $row_headers = $matches[1];

  // Iterate each row
  preg_match_all("/<tr.*?>(.*?)<\/[\s]*tr>/s", $table_html[0], $matches);

  $table = array();

  foreach($matches[1] as $row_html)
  {
    preg_match_all("/<td.*?>(.*?)<\/[\s]*td>/", $row_html, $td_matches);
    $row = array();
    for($i=0; $i<count($td_matches[1]); $i++)
    {
      $td = strip_tags(html_entity_decode($td_matches[1][$i]));
      $row[$row_headers[$i]] = $td;
    }

    if(count($row) > 0)
      $table[] = $row;
  }
  return $table;
}

$output = parseTable($data);

print_r($output);

?>

Я хочу, чтобы мой выходной массив выглядел примерно так:

1
-> 11:33 AM
-> DEV
-> В ТЕМНОМ

2
-> 11:29 AM
-> LIL 'WAYNE
-> ОНА БУДЕТ

3
-> 11:26 AM
-> КАРДИНАЛЬНЫЙ ОФИШАЛЬ
-> NUMBA 1 (TIDE HIGH)
 

12


источник


Ответы:


Не калечите себя синтаксический анализ HTML с помощью регулярных выражений!  Вместо этого пусть библиотека парсеров HTML беспокоится о структуре разметки для вас.

Я предлагаю вам проверить Simple HTML DOM ( http://simplehtmldom.sourceforge.net/ ). Это библиотека, специально написанная для помощи в решении таких проблем с веб-соскабливанием в PHP. Используя такую ​​библиотеку, вы можете писать свои скребки в гораздо меньших количествах кодов, не беспокоясь о создании рабочих регулярных выражений.

В принципе, с помощью Simple HTML DOM вы просто пишете что-то вроде:

$html = file_get_html('http://flow935.com/playlist/flowhis.HTM');
foreach($html->find('tr') as $row) {
   // Parse table row here
}

Затем это может быть расширено для захвата ваших данных в некотором формате, например, для создания массива художников и соответствующих названий:

<?php
require('simple_html_dom.php');

$table = array();

$html = file_get_html('http://flow935.com/playlist/flowhis.HTM');
foreach($html->find('tr') as $row) {
    $time = $row->find('td',0)->plaintext;
    $artist = $row->find('td',1)->plaintext;
    $title = $row->find('td',2)->plaintext;

    $table[$artist][$title] = true;
}

echo '<pre>';
print_r($table);
echo '</pre>';

?>

Мы можем видеть, что этот код может быть (тривиально) изменен для переформатирования данных любым другим способом.


46



Я попробовал simple_html_dom, но в больших файлах и повторных вызовах функции, которую я получаю zend_mm_heap_corrupted на php 5.3 (GAH). Я также попробовал preg_match_all (но это было неудачно в больших файлах (5000) строк html, который составлял всего около 400 строк моей таблицы HTML.

Я использую это и его быстродействие, а не ошибки.

$dom = new DOMDocument();  

//load the html  
$html = $dom->loadHTMLFile("htmltable.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');   
  // get each column by tag name  
$cols = $rows->item(0)->getElementsByTagName('th');   
$row_headers = NULL;
foreach ($cols as $node) {
    //print $node->nodeValue."\n";   
    $row_headers[] = $node->nodeValue;
}   

$table = array();
  //get all rows from the table  
$rows = $tables->item(0)->getElementsByTagName('tr');   
foreach ($rows as $row)   
{   
   // get each column by tag name  
    $cols = $row->getElementsByTagName('td');   
    $row = array();
    $i=0;
    foreach ($cols as $node) {
        # code...
        //print $node->nodeValue."\n";   
        if($row_headers==NULL)
            $row[] = $node->nodeValue;
        else
            $row[$row_headers[$i]] = $node->nodeValue;
        $i++;
    }   
    $table[] = $row;
}   

var_dump($table);

Этот код работал хорошо для меня. Пример исходного кода здесь.

http://techgossipz.blogspot.co.nz/2010/02/how-to-parse-html-using-dom-with-php.html


17