تجزیه و تحلیل صفحه

[alimosavifard]

سلام

می خوام یک صفحه متنی رو تحلیل کنم و چیزهایی که داخل یک کلاس HTML هست رو داخل یک متغییر قرار بدم .

چطور می شه همچین کاری کرد ؟

 

[firebird]

به این کار میگن scraping. معمولاً با عبارات باقاعده (regex) انجام میشه. سر نخ رو دادم فکر کنم بقیشو خودت باید بری دنبالش.

 

[alimosavifard]

به این کار میگن scraping. معمولاً با عبارات باقاعده (regex) انجام میشه. سر نخ رو دادم فکر کنم بقیشو خودت باید بری دنبالش.

تشکر . کمک کردید .

فکر می کنید این بهترین راه هست ؟
روی نتایج چطور کار کنم که محدود به یک کلاس بشه ؟

[LEFT]function get_content($url)  
{  
   $ch = curl_init();  
  
   curl_setopt ($ch, CURLOPT_URL, $url);  
   curl_setopt ($ch, CURLOPT_HEADER, 0);  
  
   ob_start();  
  
   curl_exec ($ch);  
   curl_close ($ch);  
   $string = ob_get_contents();  
  
   ob_end_clean();  
     
   return $string;      
  
}  

$content = get_content("persiantools.com");[/LEFT]

 

[firebird]

این کدی که گذاشتی فقط خوندن صفحه رو انجام میده. چند تا خطا داری مثلاً //:http رو نذاشتی. یا دلیلی نداره از بافرینگ استفاده کنی (به جاش CURLOPT_RETURNTRANSFER رو یک بذار و خروجی curl_exec رو بگیر).

درواقع برای این کار راههای مختلف هست مثلاً اگه ارسال اطلاعات و کوکی و لاگین و این چیزا نداری، ورژن php بالای 5 باشه و سرور پورتها رو نبسته باشه همین یک خط همه کارها رو انجام میده:

$html = file_get_contents('http://...');

از توایع fsock هم میتونی واسه این کار استفاده کنی. اگه از curl میخوای استفاده کنی یک راه استفاده از کلاسهاست که کار رو راحت تر میکنن مثل http://www.phpclasses.org/package/1988-PHP-cURL-extension-wrapper-access-remote-Web-resources.html

بعدش باید مقادیر رو از صفحه دربیاری که میتونی با strpos و substr کار کنی یا عوضش از regex ها استفاده کنی که خیلی قدرتمندتر هستند.

 

[alimosavifard]

این کدی که گذاشتی فقط خوندن صفحه رو انجام میده. چند تا خطا داری مثلاً //:http رو نذاشتی. یا دلیلی نداره از بافرینگ استفاده کنی (به جاش CURLOPT_RETURNTRANSFER رو یک بذار و خروجی curl_exec رو بگیر).

درواقع برای این کار راههای مختلف هست مثلاً اگه ارسال اطلاعات و کوکی و لاگین و این چیزا نداری، ورژن php بالای 5 باشه و سرور پورتها رو نبسته باشه همین یک خط همه کارها رو انجام میده:

$html = file_get_contents('http://...');

از توایع fsock هم میتونی واسه این کار استفاده کنی. اگه از curl میخوای استفاده کنی یک راه استفاده از کلاسهاست که کار رو راحت تر میکنن مثل http://www.phpclasses.org/package/1988-PHP-cURL-extension-wrapper-access-remote-Web-resources.html

بعدش باید مقادیر رو از صفحه دربیاری که میتونی با strpos و substr کار کنی یا عوضش از regex ها استفاده کنی که خیلی قدرتمندتر هستند.

کلا تشکر از شما . همین راهنمایی های اجمالی که کردید کمکم کرد در تکمیل این دوتا پروژه :
continuously.co.uk و boultan.com