写的一个TextPatternParser，可用于采集, 无需正则

★わ浪漫少帅

PHP复制代码

 
//EXAMPLES
$htmlPage = 'tab.html';
$htmlPage = file_get_contents($htmlPage);
$htmlTitle = TextPatternParser::parseBetweenText($htmlPage, '<span class="switchBtn">', '</span>');
print_r($htmlTitle);
 
$arrayOfImagesOnpage = TextPatternParser::parseBetweenText($htmlPage, 'class="miniature"><img src="', '"Apple-tab-span" style="white-space:pre">        //$text = the string to parse values from
        //$beginText = the begining value to search for, parseBetweenText looks between $beginText and $endText
        //$endText = end value to look for
        //$removeSpace - perform trim on value
        //$removeHtmlTags - removes any html from end result array values
        //$firstResultOnlyNoArray - only will return one result - the first one instead of an array
 
        public static function parseBetweenText(
                $text,
                $beginText,
                $endText,
                $removeSpace=true,
                $removeHtmlTags=true,
                $firstResultOnlyNoArray=false) {
                $results = array();
                $endPos = 0;
                while(true) {
                        $beginPos = stripos($text, $beginText, $endPos);
                        if($beginPos===false) break;
                        $beginPos = $beginPos+strlen($beginText);
                        $endPos = stripos($text, $endText, $beginPos);
                        if($endPos===false) break;
                        $result = substr($text, $beginPos, $endPos-$beginPos);
                        if($removeSpace){
                                $result = str_replace("\t","",$result);
                                $result = str_replace("\n","",$result);
                                $result = preg_replace("/  /"," ",$result);
                                $result = preg_replace("~[\s]{2}?[\t]?~i"," ",$result);
                                $result = str_replace("  "," ",$result);
                                $result = trim($result);
                        }
                        if($removeHtmlTags){
                                $result = strip_tags($result);
                        }
                        if($firstResultOnlyNoArray) return $result;
                        if($result != '') $results[] = $result;
                }
                return ($firstResultOnlyNoArray && empty($results) ? '' : $results) ;
        }
 
}
 

复制代码

sdink

phpquery 百度一下，

★わ浪漫少帅

sdink 发表于 2012-8-22 10:45
phpquery 百度一下，

pq确实好用，但是对于一些比较简单没必要去使用它,其实采集还有很多开源的，如snoopy，针对某个需求选适合自己的才最好

sdink

★わ浪漫少帅 发表于 2012-8-22 13:30
pq确实好用，但是对于一些比较简单没必要去使用它,其实采集还有很多开源的，如snoopy，针对某个需求选适 ...

snoopy还是没有phpquery 好用，他就像jquery一样，选择器太强了,可怜本人没有案例。以上个人观点。

★わ浪漫少帅

sdink 发表于 2012-8-23 08:36
snoopy还是没有phpquery 好用，他就像jquery一样，选择器太强了,可怜本人没有案例。以上个人观点。 ...

说强大当然是pq强大了，我以前用过一段时间，也帮其作了不少拓展，它是通过分析dom节点的方式,而DOMDocument则是专门用来处理html/xml。它提供了强大xpath选 择器及其他很多html/xml操作函数,也提供了一个htmlsql的类使其通过sql的语法也能实现采集，htmlSQL的网络操作使用了Snoopy.class.php，操作字符串则没有用到；我现在不是讨论哪个强大，而是分享一个采集用的源码，仅此而已

sdink

★わ浪漫少帅 发表于 2012-8-23 10:54
说强大当然是pq强大了，我以前用过一段时间，也帮其作了不少拓展，它是通过分析dom节点的方式,而DOMDocum ...

感谢分享

futi

simplehtmldom 还不错呀

smartweb

我只用过snoopy，看来要重新学一下了