如何用php获取网页表格,PHP获取网页上任意表格中内容的通用程序的制作

在工作中,经常需要对网页上的表格内容进行处理,但是,由于表格内容制作过程中的随意性,跨行跨列经常发生,所以我作了这几个函数,以获取表格的内容,程序中重要的地方已作了注解,所以在此不再重复说明,经过测试,非常成功.所以拿出来供大家共享.

//作者: 王朋武

//日期: 2005,3,31

//目的: 获取网页上(任意跨行跨列的)表格中的内容

function fun_proc_rowspan($l_str)

{

$l_a = explode("\n", $l_str);

for($i=count($l_a)-1; $i>=0; $i--) {

$l_str = trim($l_a[$i]);

if(empty($l_str)) continue;

$l_str = eregi_replace("

$l_b = explode("", $l_str); //如有n个,则分成(n+1)个组,最开始一项为空.

for($j=0; $j

如 +----+----+----+----+----+----+----+

+----+----+----+----+----+----+----+此一行保存7格, 前6格都有rowspan=2

+-----------------------------+----+此一行只保存2格

+----------------------------------+此一行只保存1格

*/

$l_str = trim($l_b[$j]);

if(eregi("rowspan", $l_str)) {

$rowspan = preg_replace("/^

$rowcont = preg_replace("/^

(.+)/", "\\1", $l_str);

$l_a = fun_add_row_td($l_a, $i, $j, $rowspan, $rowcont);

$l_str = implode("\n", $l_a);

return $l_str;

}

}//end of for j

}//end of for i

return $l_str;

}

function fun_add_row_td($l_a, $r, $l, $add_n, $add_cont) //l_a是数组, r是插入的开始行,l是开始的列, add_n是跨多少行, add_cont是加的内容

{

for($i=$r; $i

if($i == $r) {

$l_str = eregi_replace("

$l_b = explode("", $l_str);

$l_c = "";

for($j=1; $j

if($j == $l) $l_c .= eregi_replace("rowspan", "", $l_b[$j]); //去掉rowspan

else $l_c .= $l_b[$j];

}

$l_a[$i] = $l_c;

continue;

}

$l_str = eregi_replace("

分隔符

$l_b = explode("", $l_str); //以分组

$l_c = "";

for($j=1; $j

if($j == $l) {

$l_c .= "

".$add_cont."";

}

$l_c .= $l_b[$j];

}//end of for j

$l_a[$i] = $l_c; //更新后的新内容

}//end of for i

return $l_a;

}

function fun_proc_colspan($l_str)

{

$l_a = explode("\n", $l_str);

for($i=0; $i

$l_str = trim($l_a[$i]);

if(empty($l_str)) continue;

$l_str = eregi_replace("

$l_b = explode("", $l_str); //如有n个,则分成(n+1)个组,最开始一项为空.

for($j=1; $j

$l_str = trim($l_b[$j]);

if(eregi("

$colspan = preg_replace("/^

$colcont = preg_replace("/^

(.+)/", "\\1", $l_str);

$l_a = fun_add_col_td($l_a, $i, $j, $colspan, $colcont);

$l_str = implode("\n", $l_a);

return $l_str;

}

}//end of for j

}//end of for i

return $l_str;

}

function fun_add_col_td($l_a, $r, $l, $add_n, $add_cont) //l_a是数组, r是插入的开始行,l是开始的列, add_n是跨多少列, add_cont是加的内容

{

$l_str = eregi_replace("

分隔符

$l_b = explode("", $l_str); //以分组

$l_c = "";

for($j=1; $j<=count($l_b); $j++) { //略过开始的空项,从1开始

if($j == $l) {

$l_c .= eregi_replace("colspan", "", $l_b[$j]); //去掉colspan

continue;

}

if($j == $l+1) {

for($k=0; $k

$l_c .= "

".$add_cont."";

}

$l_c .= $l_b[$j];

}//end of for j

$l_a[$r] = $l_c; //更新后的新内容

return $l_a;

}

$l_str = file_get_contents("test.htm"); //获取网页内容

$l_str = eregi_replace(".*

$l_str = eregi_replace("

.*", "", $l_str);

$l_str = eregi_replace("\r", "", $l_str); //去掉\r

$l_str = eregi_replace("\n", "", $l_str); //去掉\n

$l_str = eregi_replace("", "\n", $l_str); //使表格的一行成为一行数据

$l_str = strip_tags($l_str, "

"); //只保留,html表记

while(eregi("

while(eregi("

/至此,表格处理已完成.

$l_str = eregi_replace("", "
", $l_str); //给每一格之间加上标记

$l_str = strip_tags($l_str, "
");

$l_a = explode("\n", $l_str);

for($i=0; $i

$l_str = trim($l_a[$i]);

if(empty($l_str)) continue;

$l_b = explode("
", $l_str);

foreach($l_b as $val) {

echo $val." "; //表格每列内容间加空格

}

echo "
"; //表格的一行显示为一行

}

//附测试用例和测试结果:

/***********测试用表格*************************************************************

untitled document

1	2	3	4	5	6	7
a1	22	a2	a3
b1		b2		b3	b4	33
c1		c2	c3	c4	44
d1		d2	d3	d4
e1		e2	e3	e4	e5
f1		f2	f3
g1		g2
h1
i1	i2			i3	i4	i5
j1	j2			j3	j4
k1						k2
l1						l2
m1					m2	m3

*********************************************************************************/

/**************操作结果的表格***********************************************

1	2	3	4	5	6	7
a1	22	a2	a3	a3	a3	a3
b1	22	b2	b2	b3	b4	33
c1	22	c2	c3	c4	44	33
d1	22	d2	d3	d4	44	33
e1	22	e2	e3	e4	e5	33
f1	22	f2	f3	f3	f3	f3
g1	22	g2	g2	g2	g2	g2
h1	h1	h1	h1	h1	h1	h1
i1	i2	i2	i2	i3	i4	i5
j1	j2	j2	j2	j3	j4	j4
k1	k1	k1	k1	k1	k1	k2
l1	l1	l1	l1	l1	l1	l2
m1	m1	m1	m1	m1	m2	m3

******************************************************************/

测试用表：

1234567

a122a2a3

b1b2b3b433

c1c2c3c444

d1d2d3d4

e1e2e3e4e5

f1f2f3

g1g2

h1

i1i2i3i4i5

j1j2j3j4

k1k2

l1l2

m1m2m3

测试结果的表：

1234567

a122a2a3a3a3a3

b122b2b2b3b433

c122c2c3c44433

d122d2d3d44433

e122e2e3e4e533

f122f2f3f3f3f3

g122g2g2g2g2g2

h1h1h1h1h1h1h1

i1i2i2i2i3i4i5

j1j2j2j2j3j4j4

k1k1k1k1k1k1k2

l1l1l1l1l1l1l2

m1m1m1m1m1m2m3

中国最大的web开发资源网站及技术社区，