php爬虫页面信息获取利器

使用PHP curl库爬取信息,做页面信息分析可能大家第一时间想到可能会是会正则,作为新手不能很熟练的写出相关的正则。而php解析html类库simple_html_dom就很容易上手了。

它使用了类似jQuery的元素选择器,通过元素的id,class,tag等等来查找定位;同时还提供添加、删除、修改文档树的功能。

github地址:https://github.com/samacs/simple_html_dom

里面几个小demo:

$str = <<<HTML
<ul id="ul1">
    <li>item:<span>1span>li>
    <li>item:<span>2span>li>
ul>
<ul id="ul2">
    <li>item:<span>3span>li>
    <li>item:<span>4span>li>
ul>
HTML;
$html = str_get_html($str);
foreach($html->find('ul') as $ul) {
    foreach($ul->find('li') as $li)
        echo $li->innertext . '<br>';
}
输出:
item:1
item:2
item:3
item:4

你可能感兴趣的:(php)