使用PHP从html代码中抓取所需的数据 - Scrape desired data from html code using PHP

Scrape desired data from html code using PHP

本文关键字：数据抓取 PHP html 代码使用 | 更新日期: 2023-09-27

下面是我想要从中获取一些数据的html代码。

<div class="NS_projects__stats">
    <div class="digits_4" id="stats">
        <div class="row">
            <div class="col col-12 mb1 stat-item">
                <div class="num h1 bold" data-backers-count="107" id="backers_count">
                    <data class="Project1135352094" data-format="number" data-value="107" itemprop="Project[backers_count]">107</data>
                </div>
                <span class="bold h5">backers</span>
            </div>
            <div class="col col-12 mb1 stat-item">
                <div class="num h1 bold nowrap" data-goal="8000.0" data-percent-raised="0.909875" data-pledged="7279.0" id="pledged">
                    <data class="Project1135352094" data-currency="EUR" data-format="shorter_money" data-precision="0" data-value="7279.0" data-without_code="true" itemprop="Project[pledged]">€7,279</data>
                    <span class="money eur project_currency_code"></span>
                </div>
                <span class="bold h5">
                    pledged of <span class="money eur no-code">€8,000</span>
                    <span class="mobile-hide">goal</span>
                </span>
            </div>
            <span data-duration="30.041666666666668" data-end_time="2015-11-27T14:32:42-05:00" data-hours-remaining="566.7967307435142" id="project_duration_data"></span>
            <div class="col col-12 stat-item">
                <div class="num h1 bold">23</div>
                <span class="text bold h5">days to go</span>
            </div>
        </div>
    </div>
</div>

从上面的html代码中，我必须获取以下数据：

107名支持者
7279欧元承诺8000欧元目标
还有23天

我成功地刮到了第一个，但没能刮到第二个和第三个。下面是我的PHP代码（使用CURL）来获取第一个。

$html = get($url); //get function uses CURL and gets html data
$pattern = "/<div class='"num h1 bold'"(.*?)<'/div>/s";
preg_match($pattern,$htm,$match);
$match[1] = "<div".$match[1]."</div>";
return strip_tags($match[1]);

$pattern = "/<div class='"num h1 bold'"(.*?)<'/div>/s";
$pattern2 = "/<div class='"col col-12 mb1 stat-item'"(.*?)<'/div>/s";
$pattern3 = "/<div class='"col col-12 stat-item'"(.*?)<'/div>/s";

试试这个，

function rip_tags($string) { 
    // ----- remove HTML TAGs ----- 
    $string = preg_replace ('/<[^>]*>/', ' ', $string); 
    // ----- remove control characters ----- 
    $string = str_replace("'r", '', $string);    // --- replace with empty space
    $string = str_replace("'n", ' ', $string);   // --- replace with space
    $string = str_replace("'t", ' ', $string);   // --- replace with space
    // ----- remove multiple spaces ----- 
    $string = trim(preg_replace('/ {2,}/', ' ', $string));
    return $string; 
}
$html = get($url); //get function uses CURL and gets html data
echo rip_tags($html);

结果：107名支持者7279欧元承诺在23天后进球8000欧元
可以根据要求进一步修改。如需参考，请在此处查看

我建议将HTML字符串解析为HTML。。。

你可以使用http://php.net/manual/en/domdocument.loadhtml.php.

或一些其他第三方解析器。（我曾经http://simplehtmldom.sourceforge.net之前，它很好）。