如何使用 PHP DOM 从网页中提取关键字

Posted 2023-02-21

【中文标题】如何使用 PHP DOM 从网页中提取关键字

【英文标题】：How do I extract keyword from webpage using PHP DOM

【发布时间】：2015-09-06 08:59:57

【问题描述】：

这是我从网页中提取的相同代码...

        <div class="user-details-narrow">
            <div class="profileheadtitle">
                <span class=" headline txtBlue size15">
                    Profession
                </span>
            </div>
            <div class="profileheadcontent-narrow">
                <span class="txtGrey size15">
                    administration
                </span>
            </div>
        </div>

当显示在网页上时，它显示为“职业管理”。我想做的是提取专业，在这种情况下是“管理”。然而，它并不像看起来那么简单，因为这段代码对于各种其他问题重复了很多次，例如

        <div class="user-details-narrow">
            <div class="profileheadtitle">
                <span class=" headline txtBlue size15">
                    Industry
                </span>
            </div>
            <div class="profileheadcontent-narrow">
                <span class="txtGrey size15">
                    banking
                </span>
            </div>
        </div>

有什么好的解决方案吗？

【问题讨论】：

administration 的独特之处，我看不出和banking 有什么不同。

这两个领域都没有什么独特之处，这是我的问题。

是的，我可以看出这是个问题。在这种情况下，我想不出一种以编程方式识别正确方法的方法。

【参考方案1】：

请不要使用正则表达式从页面获取节点值。

php 有一个非常好的类，名为DOMDocument。您可以将页面作为 DOMDocument 获取：

$dom = new DOMDocument;
$dom->loadURL("http://test.de/page.html");
$finder = new DomXPath($doc);
$spaner = $finder->query("//*[contains(@class, 'size15')]");
echo $spaner->item(0)->nodeValue . "/" . $spaner->item(1)->nodeValue;

【讨论】：

使用 PHP 的 DOM 我仍然无法弄清楚如何正确解析 HTML。正如上面 Chris 所说，Professional 和 Industry 之间的代码没有区别，而且还有很多其他代码。如何分别拉出它们？