php采集页面指定标签里面的内容
/* * 参数说明: $tag_id:所要获取的元素Tag Id $url:所要获取页面的Url $tag:所要获取的标签 $data */ function getWebTag($tag_id, $url = false, $tag = 'div', $data = false) { if ($url !== false) { $data = file_get_contents ( $url ); } $charset_pos = stripos ( $data, 'charset' ); if ($charset_pos) { if (stripos ( $data, 'utf-8', $charset_pos )) { $data = iconv ( 'utf-8', 'utf-8', $data ); } else if (stripos ( $data, 'gb2312', $charset_pos )) { $data = iconv ( 'gb2312', 'utf-8', $data ); } else if (stripos ( $data, 'gbk', $charset_pos )) { $data = iconv ( 'gbk', 'utf-8', $data ); } } preg_match_all ( '/<' . $tag . '/i', $data, $pre_matches, PREG_OFFSET_CAPTURE ); // 获取所有div前缀 preg_match_all ( '/<\/' . $tag . '/i', $data, $suf_matches, PREG_OFFSET_CAPTURE ); // 获取所有div后缀 $hit = strpos ( $data, $tag_id ); if ($hit == - 1) return false; // 未命中 $divs = array (); // 合并所有div foreach ( $pre_matches [0] as $index => $pre_div ) { $divs [( int ) $pre_div [1]] = 'p'; $divs [( int ) $suf_matches [0] [$index] [1]] = 's'; } // 对div进行排序 $sort = array_keys ( $divs ); asort ( $sort ); $count = count ( $pre_matches [0] ); foreach ( $pre_matches [0] as $index => $pre_div ) { // <div $hit <div+1 时div被命中 if (($pre_matches [0] [$index] [1] < $hit) && ($hit < $pre_matches [0] [$index + 1] [1])) { $deeper = 0; // 弹出被命中div前的div while ( array_shift ( $sort ) != $pre_matches [0] [$index] [1] && ($count --) ) continue; // 对剩余div进行匹配,若下一个为前缀,则向下一层,$deeper加1, // 否则后退一层,$deeper减1,$deeper为0则命中匹配,计算div长度 foreach ( $sort as $key ) { if ($divs [$key] == 'p') $deeper ++; else if ($deeper == 0) { $length = $key - $pre_matches [0] [$index] [1]; break; } else { $deeper --; } } $hitDivString = substr ( $data, $pre_matches [0] [$index] [1], $length ) . '</' . $tag . '>'; break; } } return $hitDivString; } echo getWebTag ( 'id="content"', 'http://www.cdlyh.com/article/read/id/12345.html', 'div' );
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】凌霞软件回馈社区,博客园 & 1Panel & Halo 联合会员上线
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】博客园社区专享云产品让利特惠,阿里云新客6.5折上折
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 浏览器原生「磁吸」效果!Anchor Positioning 锚点定位神器解析
· 没有源码,如何修改代码逻辑?
· 一个奇形怪状的面试题:Bean中的CHM要不要加volatile?
· [.NET]调用本地 Deepseek 模型
· 一个费力不讨好的项目,让我损失了近一半的绩效!
· 微软正式发布.NET 10 Preview 1:开启下一代开发框架新篇章
· 没有源码,如何修改代码逻辑?
· PowerShell开发游戏 · 打蜜蜂
· 在鹅厂做java开发是什么体验
· WPF到Web的无缝过渡:英雄联盟客户端的OpenSilver迁移实战