PHP 크롤러 (단일 웹 사이트 크롤링)

Question

크롤러 프로젝트를 진행하고 있는데 도움이 필요합니다. 이것이 내 첫 번째 프로젝트입니다. 작업은 'http://justdial.com'에서 데이터를 가져 오는 것입니다. 예를 들어 도시 이름 (뱅 골어), categoury (호텔), 호텔 이름, 주소 및 전화 번호를 가져오고 싶습니다.

나는이에서 주소를 가져 한 것처럼, 그 'ID'에서 태그의 콘텐츠를 가져올 수있는 코드를 작성했습니다

:

이

<?php 

$url="http://www.justdial.com/Bangalore/hotels"; 
$original_file = file_get_contents("$url"); 
$stripped_file = strip_tags($original_file, "<div>"); 

$newlines="'<div class=\"logoDesc\">(.*?)</div>'si"; 
$newlines=preg_replace('#<div(?:[^>]*)>.</div>#u','',$newlines); 

preg_match_all("$newlines", $stripped_file, $matches); 


//DEBUGGING 

    //$matches[0] now contains the complete A tags; ex: <a href="link">text</a> 
    //$matches[1] now contains only the HREFs in the A tags; ex: link 

    header("Content-type: text/plain"); //Set the content type to plain text so the print below is easy to read! 
$path= ($matches); 

print_r($path); //View the array to see if it worked 
?> 

지금 문제가, 내가 내용에서 태그를 분리해서 원하는됩니다 그것을 데이터베이스에 저장하십시오. 그리고 데이터베이스에서 엑셀 시트. 도와주세요.

Answer 1

정규식을 사용하여 HTML을 구문 분석해서는 안됩니다. DomDocument과 같은 것을 사용해야합니다. 사용중인 작은 예 :

<?php 
    $str = '<h1>T1</h1>Lorem ipsum.<h1>T2</h1>The quick red fox...<h1>T3</h1>... jumps over the lazy brown FROG'; 
    $DOM = new DOMDocument; 
    $DOM->loadHTML($str); 

    //get all H1 
    $items = $DOM->getElementsByTagName('h1'); 

    //display all H1 text 
    for ($i = 0; $i < $items->length; $i++) 
     echo $items->item($i)->nodeValue . "<br/>"; 
?>