爬取页面一般比较容易,麻烦的是如何解析。PHP解析页面大概有两种方式:
(1)PHP DOMDocument对象。
(2)正则表达式,个人觉得这种方式比较麻烦。
DOMDocument对象还是很好用的,它提供的方法名跟js中的dom常用的几个方法都是一样的,学习成本不高。
个人在实践中发现,把正则表达式与DOMDocument对象结合起来使用,是最好的。单独使用,往往会比较麻烦。
官方文档:https://secure.php.net/manual/zh/class.domelement.php
只用看DOMElement class 和 DOMNodeList class 就可以解决所有解析问题了。