Wie extrahiert man nur bestimmte Tags aus einem HTML-Dokument mit PHP?

Question

Ich verwende einen Crawler, um den HTML-Inhalt bestimmter Seiten im Internet abzurufen. Im Moment habe ich den gesamten HTML-Code in einer einzigen PHP-Variablen gespeichert:

$string = "<PRE>".htmlspecialchars($crawler->results)."</PRE>\n"; 

Was ich tun möchte, ist wählen Sie alle „p“ Tags (zum Beispiel) und speichern ihre in einem Array. Was ist der richtige Weg, das zu tun?

Ich habe Folgendes versucht, mit Xpath, aber es zeigt nichts (wahrscheinlich, weil das Dokument selbst ist kein XML, ich kopiere einfach das Beispiel in seiner Dokumentation gegeben).

$xml = new SimpleXMLElement ($string); 

    $result=$xml->xpath('/p'); 
    while(list(, $node)=each($result)){ 
     echo '/p: ' , $node, "\n"; 
    } 

Hoffentlich jemand mit (viel) mehr Erfahrung in PHP wird mir zu helfen in der Lage: D

Answer 1

Check out Einfache HTML Dom. Es greift externe Seiten auf und verarbeitet sie mit ziemlich genauen Details.

http://simplehtmldom.sourceforge.net/

Es kann wie folgt verwendet werden:

// Create DOM from URL or file 
$html = file_get_html('http://www.google.com/'); 

// Find all images 
foreach($html->find('img') as $element) 
    echo $element->src . '<br>'; 

Answer 2

I zur Verwendung regexp stimmen. Für Tag p

preg_match_all('/<p>(.*)<\/p>/', '<p>foo</p><p>foo 1</p><p>foo 2</p>', $arr, PREG_PATTERN_ORDER); 
if(is_array($arr)) 
{ 
foreach($arr as $value) 
{ 
    echo $value."</br>"; 
} 
} 

Answer 3

Versuchen Sie es mit DOMDocument zusammen mit DOMDocument::getElementsByTagName. Der Workflow sollte recht einfach sein. So etwas wie:

$doc = DOMDocument::loadHTML(htmlspecialchars($crawler->results)); 
$pNodes = $doc->getElementsByTagName('p'); 

Welche gibt eine DOMNodeList zurück.