我正在做一个小项目，根据页面的HTML标记从几个网页中获取信息，但我根本不知道从哪里开始。
其基本思想是从<h1></h1>s获取标题，从<p></p>s标签获取内容以及所需的其他重要信息。
我必须从每个来源设置每个案例，使其以所需的方式工作。我相信right方法是在PHP中使用$_GET方法。该项目的目标是建立一个信息数据库。
获取我需要的信息的最佳方法是什么？
首先：PHP的$_GET不是一个方法。正如您在文档中所看到的，$_GET只是一个数组，它使用在当前查询期间收到的GET参数您的web服务器初始化。因此，它不是你想用来做这类事情的。
您应该研究的是cURL，它允许您编写甚至相当复杂的查询，发送到目标服务器并检索响应。例如，对于POST请求，您可以执行以下操作：
$ch = curl_init();
curl_setopt($ch, CURLOPT_URL,"http://www.mysite.com/tester.phtml");
curl_setopt($ch, CURLOPT_POST, 1);
curl_setopt($ch, CURLOPT_POSTFIELDS,
"postvar1=value1&postvar2=value2&postvar3=value3");
// in real life you should use something like:
// curl_setopt($ch, CURLOPT_POSTFIELDS,
// http_build_query(array('postvar1' => 'value1')));
// receive server response ...
curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
$server_output = curl_exec ($ch);
curl_close ($ch);
源
当然，如果您不必执行任何复杂的查询，而是执行简单的GET请求，那么您可以使用PHP函数file_get_contents
收到网页内容后，你必须对其进行解析。IMHO最好的方法是使用PHP的DOM函数。如何使用它们应该是另一个问题，但你可以毫不费力地找到大量的例子。
<?php
$remote = file_get_contents('http://www.remote_website.html');
$doc = new DomDocument();
$file = @$doc->loadHTML($remote);
$cells = @$doc->getElementsByTagName('h1');
foreach($cells AS $cell)
{
$titles[] = $cell->nodeValue ;
}
$cells = @$doc->getElementsByTagName('p');
foreach($cells AS $cell)
{
$content[] = $cell->nodeValue ;
}
?>
您可以使用获取页面的HTML源代码
<?php
$html= file_get_contents('http://www.example.com/');
echo $html;
?>
然后，一旦你有了页面的结构，你就会得到带有substr（）和strpos（）的请求标签