用PHP解析HTML

-3

我有一個問題，我必須做一個網頁的解析器。結構如下：用PHP解析HTML

<TABLE WIDTH=80%> 

<tr><td colspan=7><BR><BR></td></tr> 
<TR> 
<Td colspan=7><FONT FACE="arial" align=left><B><A NAME="TEST">Anagrafica</B><br></TH> 
</TR> 
<tr><td colspan=7></td></tr> 
<TR> 
<TH ALIGN=LEFT ><FONT COLOR="#AA0000" FACE="arial" SIZE="2">Name</FONT></TH> 
    <TH></TH> 
    <TH ALIGN=LEFT ><FONT COLOR="#AA0000" FACE="arial" SIZE="2">Surname</FONT></TH> 
    <TH></TH> 
    <TH ALIGN=LEFT ><FONT COLOR="#AA0000" FACE="arial" SIZE="2">ID</FONT></TH> 
    <TH></TH> 
<TH ALIGN=LEFT ><FONT COLOR="#AA0000" FACE="arial" SIZE="2">Code</FONT></TH> 
</TR> 

<tr> 
<TD COLSPAN="7"> 
<HR SIZE="1" NOSHADE></TD> 
<TR> 

<TR> 
    <TD ALIGN="left" VALIGN="TOP" NOWRAP><FONT SIZE="1" FACE="arial">Mario</FONT>  </TD> 
    <TD WIDTH="10"><VALIGN="TOP"><FONT SIZE="1" FACE="arial">&#160;</FONT></TD> 
    <TD ALIGN="CENTER" VALIGN="TOP" NOWRAP><P ALIGN="CENTER"><FONT SIZE="1" FACE="arial"> Mario </FONT></TD> 
    <TD WIDTH="10"><VALIGN="TOP"><FONT SIZE="1" FACE="arial">&#160;</FONT></TD> 
    <TD ALIGN="LEFT" VALIGN="TOP" NOWRAP><FONT SIZE="1" FACE="arial">1</FONT></TD> 
    <TD WIDTH="10"><VALIGN="TOP"><FONT SIZE="1" FACE="arial">a</FONT></TD> 
    <TD ALIGN="LEFT" VALIGN="TOP" NOWRAP><FONT SIZE="1" FACE="arial">132</FONT></TD> 

<TR> 
    <TD ALIGN="left" VALIGN="TOP" NOWRAP><FONT SIZE="1" FACE="arial">Mario</FONT>  </TD> 
    <TD WIDTH="10"><VALIGN="TOP"><FONT SIZE="1" FACE="arial">&#160;</FONT></TD> 
    <TD ALIGN="CENTER" VALIGN="TOP" NOWRAP><P ALIGN="CENTER"><FONT SIZE="1" FACE="arial"> Mario </FONT></TD> 
    <TD WIDTH="10"><VALIGN="TOP"><FONT SIZE="1" FACE="arial">&#160;</FONT></TD> 
    <TD ALIGN="LEFT" VALIGN="TOP" NOWRAP><FONT SIZE="1" FACE="arial">1</FONT></TD> 
    <TD WIDTH="10"><VALIGN="TOP"><FONT SIZE="1" FACE="arial">a</FONT></TD> 
    <TD ALIGN="LEFT" VALIGN="TOP" NOWRAP><FONT SIZE="1" FACE="arial">132</FONT></TD> 

<TR>

我想用這個腳本

$start = strpos($content,'<Td colspan=7><FONT FACE="arial" align=left><B><A NAME='); 
if ($start == TRUE) { 
    $end = strpos($content,'</TABLE>',$start) + 8; 
    $table = substr($content,$start,$end-$start); 
    preg_match_all("|<TD(.*)</TD>|U",$table,$rows); 

    $x = 1; 
    $counter = 1; 
    echo "<table class=\"TFtable\">"; 
    foreach ($rows[0] as $row){ 
     if ((strpos($row,'<TR')===false)){ 
      preg_match_all("|<TD(.*)</TD>|U",$row,$cells); 
      $status[$x] = strip_tags($cells[0][0]); 
      $x = $x+1; 
      $counter = $counter+1; 
     } 
     if ($counter % 7 == 1) { 
      echo "<tr><td>{$status[2]} - {$status[4]} <br> {$status[6]} - {$status[1]}</td></tr>\n"; 
      $x = 1; 
     } 
    } 
    echo "</table>";

這樣拿4列的數據，但是，最後一個字段$狀態[1]我就會出現在第二行中，就好像它確實是第2行的一部分：

例如

馬里奧羅西1 213

馬里奧·比安奇2 324

顯示

馬里奧·羅西1

馬里奧·比安奇2 213

我在哪裏錯了？

來源

2014-11-25 Vincenzo

簡單：使用[DOM]（http://php.net/dom）。你不應該手動解析HTML – 2014-11-25 14:53:02

強制性的：http://stackoverflow.com/a/1732454/1902010 – ceejayoz 2014-11-25 14:53:54

嘗試查看DOMDocument而不是重現HTML。用loadHTML()你可以讓PHP解析HTML。以HTML DOM Document parsing爲例。

來源

2014-11-25 14:53:33 RichardBernards

如果您實際上正在嘗試構建解析器，那麼您可能不想使用預先構建的HTML/DOM解析器。如果是這樣的話，你可能會想請按照下列步驟操作：

記號化的輸入（可以使用正則表達式這部分）
處理您的令牌，確定他們來每個人的意義。
- 你可能想看看所謂的「遞歸下降解析器」
- 每個令牌可以改變的含義如下令牌
- 你可能需要看看行的下一個標記而不處理它
回到你的輸出，最有可能的對象，表示一個DOM樹

你可能需要考慮到語言的正式定義，以確定哪些k處的形式表情符號可能會跟着彼此。舉例來說，一開始標籤的定義可能看起來像下面這樣（雖然這不是一個正式的定義，並可能包含錯誤）：

'<' + tagName + attributes list + '>'

同樣，這可能是非常不準確的，你我們會想看看這個語言的正式定義。

The w3c HTML global structure document可能是一個很好的開始。

來源

2014-11-25 15:09:28

用PHP解析HTML

回答

相關問題