如何使用PHP刮取HTML表数据

编辑：没有说清楚。我正在使用PHP

我正在尝试创建一个现代化的Boxrec网站，我正在从维基百科中收集数据。在每一个拳击手的维基百科页面上，他们都有一张他们的比赛表格。我已经成功地从另一个表中提取了赢、输和抽数据。如何使用PHP将战斗表数据提取到某种纯文本（2D？）数组中

这是一个表的链接（第二个表，较大的一个）

这是我尝试过的代码（我可能完全不喜欢这个）

这给了我

警告：DOMDocument:：loadHTML（）：意外的结束标记：实体中的div， 第38行C:\xampp\htdocs\boxing\search\index.php中的第4375行

---

我看到几个问题：

$tables->item（1）->getElementsByTagName（'tr'）

将始终为您提供页面中的第二个表，即右侧Personal stats块中的表

由于

$cols[2]

不是简单类型的对象，因此您将收到警告，而不是内容。使用

echo$cols[2]->textContent

输出内部文本

如果要分析结果表，我建议加载所有表，然后根据结果表中不同的表标题进行检查。然后提取相应的列

示例代码：

下面的代码仅显示如何检查表中的示例标题“Result”，然后将输出results列。请根据你想要的目的调整它

<?php
$table = file_get_contents('https://en.wikipedia.org/wiki/Sugar_Ray_Robinson');

$dom = new DOMDocument;

$dom->loadHTML($table);
$dom->preserveWhiteSpace = false;
$tables = $dom->getElementsByTagName('table');

foreach ($tables as $singleTable) {
    try {
        $rows = $singleTable->getElementsByTagName('tr');
        // check if we are parsing the right table:
        $row1= $rows[0]->getElementsByTagName('th');
        
        $isResultTable= FALSE;
        foreach ($row1 as $th) {
            if (trim($th->textContent) === 'Result') {
                $isResultTable = TRUE;
            }
        }
        
        if (!$isResultTable) continue;
        
        foreach ($rows as $row) {   
            $cols = $row->getElementsByTagName('td');
            echo $cols[2]->textContent;
        }       
    } catch (Exception $ex) {
        print_r($ex);
    }
}

---

我发现了几个问题：

$tables->item（1）->getElementsByTagName（'tr'）
将始终为您提供页面中的第二个表，即右侧Personal stats块中的表
由于
$cols[2]
不是简单类型的对象，因此您将收到警告，而不是内容。使用
echo$cols[2]->textContent
输出内部文本
如果您正在分析结果表，我建议加载所有表，然后根据结果表中不同的表标题进行检查。然后提取相应的列

示例代码：

下面的代码仅显示如何检查表中的示例标题“Result”，然后将输出results列。请根据你想要的目的调整它

<?php
$table = file_get_contents('https://en.wikipedia.org/wiki/Sugar_Ray_Robinson');

$dom = new DOMDocument;

$dom->loadHTML($table);
$dom->preserveWhiteSpace = false;
$tables = $dom->getElementsByTagName('table');

foreach ($tables as $singleTable) {
    try {
        $rows = $singleTable->getElementsByTagName('tr');
        // check if we are parsing the right table:
        $row1= $rows[0]->getElementsByTagName('th');
        
        $isResultTable= FALSE;
        foreach ($row1 as $th) {
            if (trim($th->textContent) === 'Result') {
                $isResultTable = TRUE;
            }
        }
        
        if (!$isResultTable) continue;
        
        foreach ($rows as $row) {   
            $cols = $row->getElementsByTagName('td');
            echo $cols[2]->textContent;
        }       
    } catch (Exception $ex) {
        print_r($ex);
    }
}

编辑的原始帖子看起来您的HTML无效：
DOMDocument:：loadHTML（）：意外的结束标记…
只是想跟进一下：您有机会尝试发布的代码吗？非常好，非常感谢您编辑的原始帖子看起来您的HTML无效：
DOMDocument:：loadHTML（）：意外的结束标记…
只是为了跟进：您有机会尝试发布的代码吗？工作非常好，非常感谢