PHP爬虫抓取网页内容 (simple_html_dom.php)
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了PHP爬虫抓取网页内容 (simple_html_dom.php)，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1636字，纯文字阅读大概需要3分钟。
内容图文
使用simple_html_dom.php，下载|文档
因为抓取的只是一个网页，所以比较简单，整个网站的下次再研究，可能用Python来做爬虫会好些。
1 <meta http-equiv="content-type" content="text/html;charset=utf-8"/>
2 <?php
3include_once ‘simplehtmldom/simple_html_dom.php‘;
4//获取html数据转化为对象 5$html = file_get_html(‘http://paopaotv.com/tv-type-id-5-pg-1.html‘);
6//A-Z的字母列表每条数据是在id=letter-focus 的div内class= letter-focus-item的dl标签内，用find方法查找即为 7 8foreach($html->find(‘.txt-list li a‘) as$element)
9$arr[]= $element->innertext . ‘<br>‘;
1011$fileName=‘data.txt‘;//不用事先建好12$arrLen=count($arr);
13for($i=0;$i<$arrLen;$i++){
14file_put_contents($fileName,$arr[$i],FILE_APPEND|LOCK_EX);
15/*FILE_APPEND|LOCK_EX是往后追加数据，如果没有该参数，则只能插入一条数据
16 但是如果重新启动抓取时，则会将以往抓取过的数据继续存入*/17 }
18//以上是抓取的数据然后存到data.text里19$content=file_get_contents($fileName);
20$cont=explode("<br>",$content);
21$contLen=count($cont);
22for($i=0;$i<$contLen;$i++) {
23unset($cont[2*$i+1]);
24 }
先在 http://www.paopaotv.com/tv-type-id-5-pg-1.html 中找到节点，
1
foreach($html->find(‘.txt-list li a‘) as$element)
2$arr[]= $element->innertext . ‘<br>‘;
获得节点内的数据
获得的数据：
可以看到，每个获取的数据后面都有个<br>***<br>,这时因为 .txt-list li 下面有两个a,所以会得到两个数据
1
$content=file_get_contents($fileName);
2$cont=explode("<br>",$content);
3$contLen=count($cont);
4for($i=0;$i<$contLen;$i++) {
5unset($cont[2*$i+1]);
6 }
获取data.text中的数据，通过 explode("<br>",$content) 将<br>前后的数据分成两部分，将$cont用print_r()函数打印出来后，得到
可以看出，所有不需要的数据都是奇数项，所以用 unset($cont[2*$i+1]); 函数删掉，显示的时候是：
但是如何将现在的数组的key重新排序，这个我还没不知道怎么弄，试过array_splice,该函数也不能设定只支持删除奇数的内容。
原文：http://www.cnblogs.com/jacson/p/4711537.html
内容总结
以上是互联网集市为您收集整理的PHP爬虫抓取网页内容 (simple_html_dom.php)全部内容，希望文章能够帮你解决PHP爬虫抓取网页内容 (simple_html_dom.php)所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。