使用 Simple HTML Dom Parser 使用特定关键字抓取 <script> 标记

Posted 2023-02-22

【中文标题】使用 Simple HTML Dom Parser 使用特定关键字抓取 <script> 标记

【英文标题】：Scraping <script> tag with certain keyword using Simple HTML Dom Parser

【发布时间】：2015-10-25 23:45:35

【问题描述】：

我正在尝试使用 Simple html Dom 从一组网页中抓取 <script> 标记。起初，我通过提供我需要的标签的数字顺序来抓取它：

$script = $html->find('script', 17); //The tag I need is typically the 18th <script> tag on the page

我开始意识到顺序会因页面而异（而且这不是一种可扩展的方式，因为它可能随时更改）。我怎样才能在我需要的标签中搜索关键字，然后拉回完整的标签？例如，我需要的标签总是包含字符串“PRODUCT_METADATA”。

提前感谢您的任何想法！

【问题讨论】：

将 Xpath 与 simpleXML aor DomDocument 一起使用

【参考方案1】：

我最终使用以下代码在所有脚本标签中搜索我的关键字：

$scripts = $html->find('script');
    foreach($scripts as $s) 
        if(strpos($s->innertext, 'PRODUCT_METADATA') !== false) 
            $script = $s;
        
    

【参考方案2】：

它可以工作，但对我来说，我试图找到一个隐藏在脚本标签中的 csrf 令牌，起初无法让它工作，所有得到的都是NULL。

我的解决方案是脚本s上的use explode()，非常重要的是记住->innertext，否则你无法获得string。

我很幸运，令牌是用双引号括起来的，所以很容易得到它。

我的最终代码如下所示：

$scripts = $html->find('script');
foreach($scripts as $s) 
    if (strpos($s->innertext, 'csrf_token') !== false) 
        $script_array = explode('"', $s->innertext);
        $token = $script_array[1];
        break;