PHP通过读取DOM抓取信息

最新推荐文章于 2021-03-27 23:21:57 发布

chijin6756

最新推荐文章于 2021-03-27 23:21:57 发布

阅读量221

点赞数 1

文章标签： php

原文链接：https://my.oschina.net/zlLeaf/blog/161244

版权

今天突发奇想，想是一下抓取网页的信息，然后我学院网站的老师的信息就成为了我的目标了。

顺便打一下广告，我学院（华南农业大学信息学院）的教师的网址是：http://info.scau.edu.cn/nav-contact.asp

我新建了一个PHP项目，HtmlCatcher，里面包括三个文件Teacher.php(老师的实体),index.php(进口)，view.php（页面）。

Teacher.php的代码如下：

<?php 
	/**
	* 教师实体类
	*/
	class Teacher {
		var $position;
		var $name;
		var $phone;
		var $email;
		var $office;
		function __construct() {
		}

		public static function parse(DOMElement $row) {
			
			$cells_list = $row->getElementsByTagName('td'); 
			if($cells_list->length != 5) {
				return null;
			}

			$teacher = new Teacher();
			
			foreach ($cells_list as $cell) {
				$div_list = $cell->getElementsByTagName('div');

				$div = $div_list->item(0);
				
				$class = $div->getAttribute('class');
				if (strpos($class, 'ofc') !== false) {
					$teacher->office = $div->nodeValue;
				}
				else if (strpos($class, 'name') !== false) {
					$teacher->name = $div->nodeValue;
				}
				else if (strpos($class, 'type') !== false) {
					$teacher->position = $div->nodeValue;
				}
				else if (strpos($class, 'max-col') !== false) {
					$teacher->email = $div->nodeValue;
				}
				else {
					$teacher->phone = $div->nodeValue;
				}
				
			}
			
			return $teacher;
			
		}
	}
 ?>

老师的实体类，包括了老师的职位、姓名、办公电话、邮箱、办公室。

parse方法是解析一个DOM节点，把里面属于老师的信息整理出来，如果符合要求的话，返回一个Teacher，否则返回null。

index.php代码如下：

<?php 
	define('ROOT', dirname(__FILE__));
	define('DS', DIRECTORY_SEPARATOR);
	require_once(ROOT.DS."Teacher.php");
	$url = "http://info.scau.edu.cn/nav-contact.asp";  

	$htmlDoc = new DOMDocument;
	$htmlDoc->loadHTMLFile($url);
	$htmlDoc->normalizeDocument();
	$tables_list = $htmlDoc->getElementsByTagName('table'); 
	$arr = Array();
	
	$table = $tables_list->item(0);
    	
    $rows_list = $table->getElementsByTagName('tr');   
    	
    foreach ($rows_list as $row) {

    		$teacher = Teacher::parse($row);
    		if(!is_null($teacher)) {
    			$teacherName = $_GET['name'];
    			if (is_null($teacherName)) {
    				array_push($arr, $teacher);
    			}
    			else {
    				if ($teacher->name == $teacherName) {
    					array_push($arr, $teacher);
    					break;
    				}
    			}
    			
    		} 
    } 
	include_once(ROOT.DS."view.php");
 ?>

首先读取网站的DOM，然后获取table标签，table标签，再从中提取tbody标签，然后获取所有tr标签，解析成一个Teacher的数组$arr。

view.php代码：

<html>
<head>
	<title>信息学院教师信息</title>
	<meta charset="utf8">
</head>
<body>

	<?php 
	
	foreach ($arr as $teacher)  
    {  
    	echo $teacher->office." ".$teacher->phone
    	." ".$teacher->name." ".$teacher->position
    	.$teacher->email;
    	echo "</br>";
    }  
	 ?>
</body>
</html>

显示$arr中的Teacher的信息。

显示结果如下

到此完毕。。。。

转载于:https://my.oschina.net/zlLeaf/blog/161244

chijin6756

关注

1
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
PHP通过读取DOM抓取信息

今天突发奇想，想是一下抓取网页的信息，然后我学院网站的老师的信息就成为了我的目标了。顺便打一下广告，我学院（华南农业大学信息学院）的教师的网址是：http://info.scau.edu.cn/nav-contact.asp 我新建了一个PHP项目，Ht...
复制链接

扫一扫