简单DOM解析器插入到数据库
问题描述:
我想在数据库中插入一些元素,但我想,$ pavadinimas和%凯纳在一条线,没有什么不同。此外,如果我可以在网站的所有页面中生成我的元素,那么它将会非常酷,但是当我插入2个以上的链接时,我会刷新网页无法加载的错误。这是我的代码。感谢帮助!简单DOM解析器插入到数据库
<?php // example of how to modify HTML contents
include_once('simple_html_dom.php');
// Create DOM from URL or file
$html = file_get_html('https://www.varle.lt/mobilieji-telefonai/');
foreach($html->find('span[class=inner]') as $pavadinimas) {
$pavadinimas = str_replace("<span class=", " ", $pavadinimas);
$pavadinimas = str_replace("inner>", " ", $pavadinimas);
$pavadinimas = str_replace("<span>", " ", $pavadinimas);
$pavadinimas = str_replace("</span></span>", " ", $pavadinimas);
$pavadinimas = str_replace('"inner"> ', " ", $pavadinimas);
}
foreach($html->find('span[class=price]') as $kaina) {
$kaina = str_replace("Lt", " ", $kaina);
$kaina = str_replace("<span class=", " ", $kaina);
$kaina = str_replace("price", " ", $kaina);
$kaina = str_replace("</span>", " ", $kaina);
$kaina = str_replace(",<sup>99</sup>", " ", $kaina);
$kaina = str_replace(",<sup>99</sup>", " ", $kaina);
$kaina = str_replace(" ", " ", $kaina);
$kaina = str_replace('" ">', " ", $kaina);
$kaina = str_replace(" ", " ", $kaina);
$query = "insert into telefonai (pavadinimas,kaina) VALUES (?,?)";
$this->db->query($query, array($pavadinimas,$kaina));
}
?>
答
通过从一个页面(第1为例)得到所有想要的信息按部就班......
开始......我们的想法是:
- 获取所有电话块:
$phones = $html->find('a[data-id]');
- 在一个循环中,得到每个块
- 想要的信息(名称,价格)在db插入这些信息(我不能用分贝帮助,因为我没有使用一期一会,BU T优能做到这一点你自己也并不难)
现在,你的代码对于一个页面的工作,让我们尽量做到所有网页的工作知道:
- 所有页面具有相同的结构,所以我们可以用上面
- 下一页刮包含在
Next
按钮的链接相同的方法/代码中提取数据,所以我们会停下来时,这个链接无法找到
So h ERE是总结了所有我们上面说了代码:
$url = "https://www.varle.lt/mobilieji-telefonai/";
// Start from the main page
$nextLink = $url;
// Loop on each next Link as long as it exsists
while ($nextLink) {
echo "<hr>nextLink: $nextLink<br>";
//Create a DOM object
$html = new simple_html_dom();
// Load HTML from a url
$html->load_file($nextLink);
/////////////////////////////////////////////////////////////
/// Get phone blocks and extract info (also insert to db) ///
/////////////////////////////////////////////////////////////
$phones = $html->find('a[data-id]');
foreach($phones as $phone) {
// Get the link
$linkas = $phone->href;
// Get the name
$pavadinimas = $phone->find('span[class=inner]', 0)->plaintext;
// Get the name price and extract the useful part using regex
$kaina = $phone->find('span[class=price]', 0)->plaintext;
// This captures the integer part of decimal numbers: In "123,45" will capture "123"... Use @([\d,]+),[email protected] to capture the decimal part too
preg_match('@(\d+),[email protected]', $kaina, $matches);
$kaina = $matches[1];
echo $pavadinimas, " #----# ", $kaina, " #----# ", $linkas, "<br>";
// INSERT INTO DB HERE
// CODE
// ...
}
/////////////////////////////////////////////////////////////
/////////////////////////////////////////////////////////////
// Extract the next link, if not found return NULL
$nextLink = (($temp = $html->find('div.pagination a[class="next"]', 0)) ? "https://www.varle.lt".$temp->href : NULL);
// Clear DOM object
$html->clear();
unset($html);
}
输出
nextLink: https://www.varle.lt/mobilieji-telefonai/
Samsung Phone I9300 Galaxy SIII Juodas #----# 1099 #----# https://www.varle.lt/mobilieji-telefonai/samsung-phone-i9300-galaxy-siii-juodas.html
Samsung Galaxy S2 Plus I9105 Pilkai mėlynas #----# 739 #----# https://www.varle.lt/mobilieji-telefonai/samsung-galaxy-s2-plus-i9105-pilkai-melynas.html
Samsung Phone S7562 Galaxy S Duos baltas #----# 555 #----# https://www.varle.lt/mobilieji-telefonai/samsung-phone-s7562-galaxy-s-duos-baltas--457135.html
...
nextLink: https://www.varle.lt/mobilieji-telefonai/?p=2
LG T375 Mobile Phone Black #----# 218 #----# https://www.varle.lt/mobilieji-telefonai/lg-t375-mobile-phone-black.html
Samsung S6802 Galaxy Ace Duos black #----# 579 #----# https://www.varle.lt/mobilieji-telefonai/samsung-s6802-galaxy-ace-duos-black.html
Mobilus telefonas Samsung Galaxy Ace Onyx Black | S5830 #----# 559 #----# https://www.varle.lt/mobilieji-telefonai/mobilus-telefonas-samsung-galaxy-ace-onyx-black.html
...
...
...
注意该代码可能需要一段时间来分析所有的网页,所以php可能会返回这个错误Fatal error: Maximum execution time of 30 seconds exceeded ...
。然后,简单地延长这样的最大执行时间:
ini_set('max_execution_time', 300); //300 seconds = 5 minutes
您可以在您的问题中使用更多标签。也许PHP por exmaple。这样,更多的人会阅读它并可能帮助你。 – Gonzalo
使用'str_replace'是浪费时间,因为您可以使用'$ pavadinimas-> plaintext'轻松获取标签的内容...请检查[Manual](http://simplehtmldom.sourceforge.net/manual。 htm)查看详细信息... [已发布] – Enissay