Javascript 解析链接和信息的嵌套HTML
我正在尝试解析一个网站files.minecraftforge.net,并获取下载链接以及每个链接的版本和构建时间等信息。我使用的是简单的HTMLDOM解析器,到目前为止,它工作得非常好,但是我一直在修改文档,不能完全理解它 每个表行有5个TDs。我需要从前4个推广,版本,Minecraft,时间以及我已经从URL收集的数据抓取数据。下面的代码可以抓取URL和标题innertext,但是如何也抓取该行的td信息呢 我认为最好的方法是使用foreach获取行,然后对TR中的每个td在其中执行foreach。不幸的是,我不知道如何在html->find返回的内容上运行foreachJavascript 解析链接和信息的嵌套HTML,javascript,php,html,parsing,simple-html-dom,Javascript,Php,Html,Parsing,Simple Html Dom,我正在尝试解析一个网站files.minecraftforge.net,并获取下载链接以及每个链接的版本和构建时间等信息。我使用的是简单的HTMLDOM解析器,到目前为止,它工作得非常好,但是我一直在修改文档,不能完全理解它 每个表行有5个TDs。我需要从前4个推广,版本,Minecraft,时间以及我已经从URL收集的数据抓取数据。下面的代码可以抓取URL和标题innertext,但是如何也抓取该行的td信息呢 我认为最好的方法是使用foreach获取行,然后对TR中的每个td在其中执行for
foreach($html->find('table#promotions_table a') as $e)
{
echo $e->innertext . '<br>';
echo $e->href . '<br>';
}
我正试图解析的HTML片段如下所示
<table border="0" id="promotions_table">
<tr>
<th>Promotion</th>
<th>Version</th>
<th>Minecraft</th>
<th>Time</th>
<th>Downloads</th>
</tr>
<tr>
<td>1.6.4-Latest</td>
<td>9.11.1.965</td>
<td>1.6.4</td>
<td>11/21/2013 02:31:00 PM</td>
<td>
(<a href="http://files.minecraftforge.net/maven/net/minecraftforge/forge/1.6.4-9.11.1.965/forge-1.6.4-9.11.1.965-changelog.txt">Changelog</a>)
(<a href="http://files.minecraftforge.net/maven/net/minecraftforge/forge/1.6.4-9.11.1.965/forge-1.6.4-9.11.1.965-installer.jar">Installer</a>)
<a href="http://files.minecraftforge.net/maven/net/minecraftforge/forge/1.6.4-9.11.1.965/forge-1.6.4-9.11.1.965-installer.jar">*</a>
(<a href="http://files.minecraftforge.net/maven/net/minecraftforge/forge/1.6.4-9.11.1.965/forge-1.6.4-9.11.1.965-javadoc.zip">Javadoc</a>)
<a href="http://files.minecraftforge.net/maven/net/minecraftforge/forge/1.6.4-9.11.1.965/forge-1.6.4-9.11.1.965-javadoc.zip">*</a>
(<a href="http://files.minecraftforge.net/maven/net/minecraftforge/forge/1.6.4-9.11.1.965/forge-1.6.4-9.11.1.965-src.zip">Src</a>)
<a href="http://files.minecraftforge.net/maven/net/minecraftforge/forge/1.6.4-9.11.1.965/forge-1.6.4-9.11.1.965-src.zip">*</a>
(<a href="http://files.minecraftforge.net/maven/net/minecraftforge/forge/1.6.4-9.11.1.965/forge-1.6.4-9.11.1.965-universal.jar">Universal</a>)
<a href="http://files.minecraftforge.net/maven/net/minecraftforge/forge/1.6.4-9.11.1.965/forge-1.6.4-9.11.1.965-universal.jar">*</a>
</td>
</tr>
<tr>
<td>1.6.4-Recommended</td>
<td>9.11.1.965</td>
<td>1.6.4</td>
<td>11/21/2013 02:31:00 PM</td>
<td>
(<a href="http://files.minecraftforge.net/maven/net/minecraftforge/forge/1.6.4-9.11.1.965/forge-1.6.4-9.11.1.965-changelog.txt">Changelog</a>)
(<a href="http://files.minecraftforge.net/maven/net/minecraftforge/forge/1.6.4-9.11.1.965/forge-1.6.4-9.11.1.965-installer.jar">Installer</a>)
<a href="http://files.minecraftforge.net/maven/net/minecraftforge/forge/1.6.4-9.11.1.965/forge-1.6.4-9.11.1.965-installer.jar">*</a>
(<a href="http://files.minecraftforge.net/maven/net/minecraftforge/forge/1.6.4-9.11.1.965/forge-1.6.4-9.11.1.965-javadoc.zip">Javadoc</a>)
<a href="http://files.minecraftforge.net/maven/net/minecraftforge/forge/1.6.4-9.11.1.965/forge-1.6.4-9.11.1.965-javadoc.zip">*</a>
(<a href="http://files.minecraftforge.net/maven/net/minecraftforge/forge/1.6.4-9.11.1.965/forge-1.6.4-9.11.1.965-src.zip">Src</a>)
<a href="http://files.minecraftforge.net/maven/net/minecraftforge/forge/1.6.4-9.11.1.965/forge-1.6.4-9.11.1.965-src.zip">*</a>
(<a href="http://files.minecraftforge.net/maven/net/minecraftforge/forge/1.6.4-9.11.1.965/forge-1.6.4-9.11.1.965-universal.jar">Universal</a>)
<a href="http://files.minecraftforge.net/maven/net/minecraftforge/forge/1.6.4-9.11.1.965/forge-1.6.4-9.11.1.965-universal.jar">*</a>
</td>
</tr>
我通过进一步的实验找到了如何做到这一点。下面是我如何做到的,以防其他人遇到同样的问题
foreach($html->find('table#promotions_table tr') as $tr)
{
$details = array();
$count = 0;
foreach ($tr->find('td') as $td)
{
switch ($count)
{
case 0:
{
$details['title'] = $td->innertext;
echo "TITLE: " . $details['title'] . "</br>";
break;
}
case 1:
{
$details['build'] = $td->innertext;
echo "BUILD: " . $details['build'] . "</br>";
break;
}
case 2:
{
$details['version'] = $td->innertext;
echo "VERSION: " . $details['version'] . "</br>";
break;
}
case 3:
{
$details['time'] = $td->innertext;
echo "TIME: " . $details['time'] . "</br>";
break;
}
case 4:
{
foreach ($td->find('a') as $a)
{
if ($a->innertext == "Installer")
{
$url = $a->href;
// Strip the "adf.ly" URL from the beginning of the text
preg_match("#https?://(www\.)?adf\.ly/\d+/(.*)#i", $url, $matches);
echo "URL: " . $matches[2] . "</br>";
$details['url'] = $a->href;
}
}
}
}
$count++;
}
}
我打算提出大致相同的建议。您可以稍微简化一下,而不是切换,您可以执行$details['title']=$tr->find'td',1->innerText;其中1是相关td的第n个子索引。但是,不错的解决方案是: