VPF::Парсинг удалённого HTML файла - Форум программистов

taral

Дата 10.11.2008, 19:25 (ссылка)

(нет голосов)

Загрузка ...

Бывалый

Профиль
Группа: Участник
Сообщений: 230
Регистрация: 17.1.2008

Репутация: нет
Всего: нет

У меня возникла потребность в парсинге определённой страници с интернета. До у меня не возникало нужды работать с DOM.

Код


    $url = 'http://yandex.ru/';
    $html = file_get_contents($url);
    $doc = new domDocument('1.0', 'windows-1251');
    $doc->loadHTML($html);
    $items = $doc->getElementsByTagName('a');
    for ($i = 0; $i < $items->length; $i++) {
         $r = $items->item($i)->nodeValue . "<br/>";
         echo $r;
    }

Этот пример работает.
Если я пробую другой сайт. Например google
выдает вот что.

Код


Severity: Warning
Message: DOMDocument::loadHTML() [function.DOMDocument-loadHTML]: htmlParseEntityRef: expecting ';' in Entity, line: 35

Ошибку выдает в строке $doc->loadHTML($html);
Я так понимаю что PHP не может разобрать DOM структуру того HTML.
Каким образом происходит работа с не валидными документами?
Допустим мне нужно вытянуть текст div у которого id="aaa".
Использовать регулярные выражения? Или есть лучше способ?

destrd

Дата 10.11.2008, 21:25 (ссылка)

(нет голосов)

Загрузка ...

Бывалый

Профиль
Группа: Участник
Сообщений: 157
Регистрация: 1.10.2008

Репутация: нет
Всего: 4

Ну да, где regexp'ы, где explod'ы и работа со строками. Больше я думаю ничего тут не придумать.

--------------------

Some people, when confronted with a problem, think, "I known, I'll use regular expressions." Now they have two problems. -- Jamie Zawinski in comp.lang.emacs

taral

Дата 10.11.2008, 21:57 (ссылка)

(нет голосов)

Загрузка ...

Бывалый

Профиль
Группа: Участник
Сообщений: 230
Регистрация: 17.1.2008

Репутация: нет
Всего: нет

Ясно спасибо. Просто я до этого только в JavaScript с DOM работал.
Ну и привык что все просто выходит) Буду дерзать.

skyboy

Дата 11.11.2008, 00:38 (ссылка)

(нет голосов)

Загрузка ...

неОпытный

Профиль
Группа: Модератор
Сообщений: 9820
Регистрация: 18.5.2006
Где: Днепропетровск

Репутация: нет
Всего: 260

Цитата(taral @ 10.11.2008, 18:25

)

Ошибку выдает в строке $doc->loadHTML($html);

хм. а дерево-то строится? между прочим, это не ошибка, а предупреждения. после выдачи предупреждения скрипт вполне себе продолжает работу, просто честно предупреждает - "со мной чей-то не то, могу глючить". а loadHTML и заявлен как метод для загрузки "not well-formed XML"

Добавлено через 1 минуту и 34 секунды
а ругается, скорее всего, на & который не превращен в & - потому как пытается распарсить в "?param1=value1&param2=" некую xml-entity &param2 и ругается на несуществование подобного.

getme

Дата 16.11.2008, 22:43 (ссылка)

(нет голосов)

Загрузка ...

Шустрый

Профиль
Группа: Участник
Сообщений: 80
Регистрация: 12.9.2008

Репутация: нет
Всего: -2

дерево построится, Я к примеру просто подавляю @$doc->loadHTML($html); предупреждение
ничего критического в этом невижу.

bars80080

Дата 17.11.2008, 00:18 (ссылка)

(нет голосов)

Загрузка ...

прапор творюет

Награды: 1

Профиль
Группа: Завсегдатай
Сообщений: 12022
Регистрация: 5.12.2007
Где: Königsberg

Репутация: 1
Всего: 315

а вот это фигово, что в случае, который ты можешь пофиксить, ты игнорируешь, а не исправляешь

0 Пользователей читают эту тему (0 Гостей и 0 Скрытых Пользователей)
0 Пользователей:
« Предыдущая тема \| PHP: X технологии \| Следующая тема »