我需要从网站上的表格中抓取一些网站数据，并创建一个将由应用程序使用的XML或JSON文档。 我在获取以下数据时遇到了一些问题。
该表如下所示：
<table border="0" cellpadding="3" cellspacing="0" bgcolor="#DDEEFF" width="100%">
<tr>
<td width="20%" ><font face="Verdana, Arial" size="1">SRC</a></td></font>
<td width="58%" ><font face="Verdana, Arial" size="1"><a href="http://example.com/this/news?id=1&by=today" onMouseOver="a('Open Bulletin');return true" onMouseOut="b()">Welcome</font></a></td>
<td width="17%" align="center"><font face="Verdana, Arial" size="1">Event</td></font>
</tr>
<tr>
<td width="20%" ><font face="Verdana, Arial" size="1">FMD</a></td></font>
<td width="58%" ><font face="Verdana, Arial" size="1"><a href="http://example.com/this/news?id=2&by=today" onMouseOver="a('Open Bulletin');return true" onMouseOut="b()">Another News</font></a></td>
<td width="17%" align="center"><font face="Verdana, Arial" size="1">Updates</td></font>
</tr>
</td>
我想创建一个如下所示的XML提要或JSON：
<bulletins>
<title>Welcome</title>
<id>1</id>
<type>News</type>
</bulletins>
<bulletins>
<title>Another News</title>
<id>2</id>
<type>Updates</type>
</bulletins>
这是我当前的代码：
<?php
$body = explode('<table border="0" cellpadding="3" cellspacing="0" bgcolor="#DDEEFF" width="100%">', $html);
$xml = simplexml_load_string("<?xml version='1.0' encoding='utf-8'?><xml />");
$rows = array();
foreach (array_slice(explode('<tr>', end($body)), 1) as $row)
{
preg_match('#<a.*?href="(.*?)".*?>(.*?)</a>#i', $row, $title);
preg_match('/<a.*href="(.*)".*>(.*)<'/a>/iU', $row, $id);
// preg_match('/type">([^<]+)<'/td>/', $row, $type);
$node = $xml->addChild('bulletins');
$node->addChild('title', $title[1]);
$node->addChild('id', $id[1]);
// $node->addChild('type', $due[1]);
}
header('Content-Type: text/xml');
echo $xml->asXML();
?>
但是我得到的问题
<xml>
<bulletins>
<title>http://example.com/this/news?id=1</title>
<id>http://example.com/this/news?id=1</id>
</bulletins>
<bulletins>
<title>http://example.com/this/news?id=2</title>
<id>http://example.com/this/news?id=2</id>
</bulletins>
</xml>
下面是一个快速示例，可帮助您仅开始使用 dom 函数：
$dom = new DOMDocument();
@$dom->loadHTMLFile(url);
$xpath = new DOMXPath($dom);
$xml = new DOMDocument();
foreach($xpath->query('//table/tr') as $tr) {
$bulletin = $xml->appendChild($xml->createElement("bulletin"));
$title = $xpath->query('.//td[2]//a', $tr)->item(0)->nodeValue;
$bulletin->appendChild($xml->createElement("title",$title));
$type = $xpath->query('.//td[3]/font', $tr)->item(0)->nodeValue;
$bulletin->appendChild($xml->createElement("type",$type));
}
echo $xml->saveXML();
主要问题是HTML一开始就无效，因此大多数PHP XML/HTML解析器在尝试解析这个特定的HTML表时都会失败。我使用PHP Simple HTML DOM解析器将你的表转换为JSON。此代码假定该表.html仅包含您在上面指定的表。
<?php
include 'simplehtmldom/simple_html_dom.php';
$html = file_get_html('table.html');
$row_count = 0;
foreach($html->find('tr') as $row) {
$row_count++;
foreach($html->find('td') as $cell) {
$cell_text = $cell->plaintext;
// There are no CSS classes or IDs to differentiate between columns in the
// table, so we're using the width instead
switch ($cell->attr['width']) {
case '58%':
$bulletins[$row_count]['title'] = $cell_text;
break;
case '17%':
$bulletins[$row_count]['type'] = $cell_text;
break;
}
$bulletins[$row_count]['id'] = $row_count;
}
}
// Remove the invalid </a> tags from the cell text, and convert to JSON
$json = str_replace('<'/a>', '', json_encode($bulletins));
// Output:
// {"1":{"id":1,"title":"Another News","type":"Updates"},"2":{"id":2,"title":"Another News","type":"Updates"}}
echo $json;
?>
我写了一个脚本来为你做这件事，假设你有一个有效的HTML表：https://github.com/tremblay/HTML-Table-to-JSON
使用这样格式化的表，您将运行htmlToJSON（'url.com'， false， null， null， null， true）;