从 PHP 中的 HTML 代码中提取 HTML 数据 [关闭]

【问题标题】：Extract HTML data from HTML code in PHP [closed]从 PHP 中的 HTML 代码中提取 HTML 数据 [关闭]
【发布时间】：2017-12-12 07:15:30
【问题描述】：

我想从页面中提取一些数据。

我需要的数据在 HTML 标记之间的文本中：

<div class="tgme_page_title">تست</div>    
<div class="tgme_page_extra">4 members</div>
<a class="tgme_action_button_new" href="tg://join?invite=GYJezj_NevMyTZP5KchgPA">
    Join Group
</a>

我想提取数据并存储在这样的变量中：

$data1 = "تست"  
$data2 = "4 members"   
$data3 = "Join Group"

我该怎么做？

感谢您的宝贵时间

【问题讨论】：

$html = '
بنردهی ویکی گپ

4 个成员
加入群组 '; echo strip_tags($html);
您需要使用curl()函数从URL中获取数据。
请解释我是如何做到这一点的。我是 php 新手

标签： php web-scraping

【解决方案1】：

使用 HTML DOM 解析器。

查找带类的div并提取其值的代码示例，我没有尝试：

$html = '<div class="tgme_page_title">تست</div><div class="tgme_page_extra">4 members</div><a class="tgme_action_button_new" href="tg://join?invite=GYJezj_NevMyTZP5KchgPA">Join Group</a>';

$dom = new DOMDocument();
$dom->loadHTML($html);
$finder = new DomXPath($dom);

$classname = "tgme_page_title";
$nodes = $finder->query("//*[contains(concat(' ', normalize-space(@class), ' '), ' $classname ')]");
$data1 = $nodes{0}->nodeValue;

$classname = "tgme_page_extra";
$nodes = $finder->query("//*[contains(concat(' ', normalize-space(@class), ' '), ' $classname ')]");
$data2 = $nodes{0}->nodeValue;

$classname = "tgme_action_button_new";
$nodes = $finder->query("//*[contains(concat(' ', normalize-space(@class), ' '), ' $classname ')]");
$data3 = $nodes{0}->nodeValue;

这是文档：http://php.net/manual/en/book.dom.php

【讨论】：

返回 null
请看文档，在某些情况下它不是“textContent”，但有一个很好的功能可以在标签之间提取文本。
那么 ->nodeValue 呢？
什么都没有返回 null
试试这个。它对我有用。