使用 php simple html dom 抓取时需要帮助修复 html [重复]

Posted 2023-02-24

【中文标题】使用 php simple html dom 抓取时需要帮助修复 html [重复]

【英文标题】：Need help for fixing html when scrape using php simple html dom [duplicate]

【发布时间】：2021-09-02 12:28:11

【问题描述】：

    require_once 'phpDomClass.php';
    $html = '<div> 
            <div class="man">Name: madac</div>
            <div class="man">Age: 18
            <div class="man">Class: 12</div>
</div>' 
    $name=$html->find('div[class="man"]', 0)->innertext;
    $age=$html->find('div[class="man"]', 1)->innertext; 
    $cls=$html->find('div[class="man"]', 2)->innertext;

想从每个 div class="man" 获取文本，但它不起作用，因为 html 代码的第 2 行缺少结束 div 标记。请帮我解决这个问题。

提前致谢。

【参考方案1】：

在这种情况下，您必须先进行一些难看的字符串操作，然后再尝试使用 DOM 解析器对其进行解析。如果这是一次性的，你可以做这样的事情

<?php
require_once 'phpDomClass.php';
$html = '<div> 
  <div class="man">Name: madac</div>
  <div class="man">Age: 18
  <div class="man">Class: 12</div>
</div>';
$html = str_replace('<div class="man">Class:','</div><div class="man">Class:',$html);

$dom = new DomDocument();
$dom->loadHTML($html);
$name=$html->find('div.man', 0)->innertext;
$age=$html->find('div.man', 1)->innertext; 
$cls=$html->find('div.man', 2)->innertext;