我在一个网站上工作，该网站解析优惠券网站并列出这些优惠券。有一些网站以XML文件的形式提供它们的清单——这些都没有问题。但是也有一些站点不提供XML。我正在考虑解析他们的网站，并从网站内容获得优惠券信息-从HTML与PHP抓取数据。例如，您可以看到以下站点:
http://www.biglion.ru/moscow/我正在用PHP工作。那么，我的问题是——是否有一种相对简单的方法来解析HTML并获得该站点上列出的每个优惠券的数据，就像我在解析XML时获得的数据一样?
谢谢你的帮助
您总是可以使用DOM解析器，但是从站点抓取内容充其量是不可靠的。
如果他们的布局变化很小，你的应用程序可能会失败。哦，在大多数情况下，这也是反对大多数网站的做法。
虽然使用DOM解析器似乎是一个好主意，但我通常更喜欢使用老式的正则表达式进行抓取。它的工作量少得多，如果网站改变了它的布局，不管你的方法是什么，你都完蛋了。但是，如果使用足够聪明的正则表达式，您的代码应该不受不直接影响您感兴趣的部分的更改的影响。
要记住的一件事是，当提供类名时，在regex中包含一些类名，但假设您需要的信息之间可以有任何内容。例如
preg_match_all('#class="actionsItemHeadding".*?<a[^>]*href="([^"]*)"[^>]*>(.*?)</a>#s', file_get_contents('http://www.biglion.ru/moscow/'), $matches, PREG_SET_ORDER);
print_r($matches);
如果您喜欢使用Php，最可靠的方法是Php DOM Parser。下面是一个只解析元素的示例。
// Include the library
include('simple_html_dom.php');
// Retrieve the DOM from a given URL
$html = file_get_html('http://mypage.com/');
// Find all "A" tags and print their HREFs
foreach($html->find('a') as $e)
echo $e->href . '<br>';
我也提供了一些关于解析其他html元素的更多信息。我希望这对你有帮助。