这是我的第一篇文章,如果我做错了,我很抱歉,但我们开始吧:
我一直在从事一个应该从网站上抓取值(value)的项目。这些值是 javascript 数组中的变量。我正在使用 PHP Simple HTML DOM它适用于普通脚本,但不适用于存储在 CDATA block 中的脚本。因此,我正在寻找一种在 CDATA block 中抓取数据的方法。不幸的是,我能找到的所有帮助都是针对 XML 文件的,而我正在从 HTML 文件中抓取。
我试图抓取的 javascript 如下:
<script type="text/javascript">
//<![CDATA[
var data = [{"value":8.41,"color":"1C5A0D","text":"17/11"},{"value":9.86,"color":"1C5A0D","text":"18/11"},{"value":7.72,"color":"1C5A0D","text":"19/11"},{"value":9.42,"color":"1C5A0D","text":"20/11"}];
//]]>
</script>
我需要抓取的是 var 数据中的“值”变量。
问题是我试图替换对象上的 CDATA 字符串。 以下代码完美运行:-)
include('simple_html_dom.php');
$lines = file_get_contents('http://www.virtualmanager.com/players/7793477-danijel-pavliuk/training');
$lines = str_replace("//<![CDATA[","",$lines);
$lines = str_replace("//]]>","",$lines);
$html = str_get_html($lines);
foreach($html->find('script') as $element) {
echo $element->innertext;
}
如果需要,我会为您提供更多信息。
最佳答案
一个像样的 HTML 解析器不应该要求将 Javascript 包装在 CDATA
中堵塞。如果他们放弃了它,只需在解析之前将它们从 HTML 中删除,执行如下操作:
- 使用
file_get_contents()
将 HTML 文件下载到字符串中或 cURL如果您的主机在该功能中禁用了 HTTP 支持。 - 去掉
//<![CDATA[
和//]]>
使用str_replace()
的位 - 使用简单 DOM 的
str_get_html()
从清理后的字符串中解析 HTML - 像以前一样处理 DOM 对象。
关于javascript - 从 Javascript 解析 CDATA,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/15449288/