最好的选择是 PHP 服务器端解析。我写了一个小 sn-p 来向您展示如何使用 DOMDocument 来执行此操作（如果您的服务器有它，可能还有 tidy，以消除所有格式错误的 XHTML foo）。
警告：输出 UTF-8。您可以在 DOMDocument 的构造函数中更改它
注意事项 2：如果输入既不是 utf-8 也不是 iso-8859-9，将吐出。当前页面的字符集是 iso-8859-9，我认为他们没有理由更改它。
header("content-type: text/html; charset=utf-8");
$data = file_get_contents("http://www.bankasya.com.tr/index.jsp");
// Clean it up
if (class_exists("tidy")) {
$dataTidy = new tidy();
$dataTidy->parseString($data,
array(
"input-encoding" => "iso-8859-9",
"output-encoding" => "iso-8859-9",
"clean" => 1,
"input-xml" => true,
"output-xml" => true,
"wrap" => 0,
"anchor-as-name" => false
)
);
$dataTidy->cleanRepair();
$data = (string)$dataTidy;
}
else {
$do = true;
while ($do) {
$start = stripos($data,'<script');
$stop = stripos($data,'</script>');
if ((is_numeric($start))&&(is_numeric($stop))) {
$s = substr($data,$start,$stop-$start);
$data = substr($data,0,$start).substr($data,($stop+strlen('</script>')));
} else {
$do = false;
}
}
// nbsp breaks it?
$data = str_replace(" "," ",$data);
// Fixes for any element that requires a self-closing tag
if (preg_match_all("/<(link|img)([^>]+)>/is",$data,$mt,PREG_SET_ORDER)) {
foreach ($mt as $v) {
if (substr($v[2],-1) != "/") {
$data = str_replace($v[0],"<".$v[1].$v[2]."/>",$data);
}
}
}
// Barf out the inline JS
$data = preg_replace("/javascript:[^;]+/is","#",$data);
// Barf out the noscripts
$data = preg_replace("#<noscript>(.+?)</noscript>#is","",$data);
// Muppets. Malformed comment = one more regexp when they could just learn to write proper HTML...
$data = preg_replace("#<!--(.*?)--!?>#is","",$data);
}
$DOM = new \DOMDocument("1.0","utf-8");
$DOM->recover = true;
function error_callback_xmlfunction($errno, $errstr) { throw new Exception($errstr); }
$old = set_error_handler("error_callback_xmlfunction");
// Throw out all the XML namespaces (if any)
$data = preg_replace("#xmlns=[\"\']?([^\"\']+)[\"\']?#is","",(string)$data);
try {
$DOM->loadXML(((substr($data, 0, 5) !== "<?xml") ? '<?xml version="1.0" encoding="utf-8"?>' : "").$data);
} catch (Exception $e) {
$DOM->loadXML(((substr($data, 0, 5) !== "<?xml") ? '<?xml version="1.0" encoding="iso-8859-9"?>' : "").$data);
}
restore_error_handler();
error_reporting(E_ALL);
$DOM->substituteEntities = true;
$xpath = new \DOMXPath($DOM);
echo $DOM->saveXML($xpath->query("//div[@id=\"HomePageTabs_cont_3\"]")->item(0));
按出场顺序：
- 获取数据
- 如果我们有
tidy，用它清理 HTML
- 创建一个新的
DOMDocument 并加载我们的文档（(string)$dataTidy 是一个简洁的 tidy getter）
- 创建 XPath 请求路径
- 使用 XPath 请求所有 id 设置为我们想要的 div，获取集合的第一项（
->item(0)，这将是一个DOMElement）并请求 DOM 输出其 XML 内容（包括标签本身）
希望它是您正在寻找的...尽管您可能希望将其包装在一个函数中。
编辑
忘了说：http://rescrape.it/rs.php 用于实际的脚本输出！
编辑 2
更正，该站点不是 W3C 有效的，因此，您要么需要 tidy 它，要么在处理之前将一组正则表达式应用于输入。我要看看我是否可以制定一个集合来消除不一致。
编辑 3
为我们这些没有tidy 的人添加了一个修复程序。
编辑 4
无法抗拒。如果您实际上更喜欢这些值而不是表格，请使用它而不是 echo：
$d = new stdClass();
$rows = $xpath->query("//div[@id=\"HomePageTabs_cont_3\"]//tr");
$rc = $rows->length;
for ($i = 1; $i < $rc-1; $i++) {
$cols = $xpath->query($rows->item($i)->getNodePath()."/td");
$d->{$cols->item(0)->textContent} = array(
((float)$cols->item(1)->textContent),
((float)$cols->item(2)->textContent)
);
}
我不了解你，但对我来说，数据比格式错误的表格更有效。
（Welp，那篇文章花了一些时间来写）