php 抓取并输出给定​​标签中的特定值或数字

所以我对 php 很陌生。但在一些帮助下，我已经弄清楚如何抓取具有像 h1 class=____ 这样的标签标识符的网站

更好的是，我已经弄清楚如何输出我想要的精确单词或值，只要它由空格分隔即可。例如，如果给定的标签名称 的输出为“30 个球”，我可以指定 echo[0]，并且只会输出 30 个球。这太棒了。

不过，我遇到了一个问题，我是否正在尝试提取一个不以空格分隔的值。所以我的意思是，假设我想要“-34.89”作为输出（更准确地说，无论网站上的占位符中的数字是什么，因为源网站上的数字可能会随着时间的推移而变化）。

但是，我得到的输出是“-34.89dowjonesstockchange”。那里没有空格。

我该怎么做才能输出-34.89？或者，无论某一天该位置上的数字是什么。在上面的输出中必须有某种方式来表示，仅输出 ex 的值 [0,1,2,3,4,5]，就值的数量而言，这将是 -34.89。

下面是一个网站上的测试示例，输出由“ ”空格确定的单词和值。这几乎是我所需要的，但缺少这种更精确的方式。

// this function is a scraping function for ethereumchange
function getEthereumchange(){
    $doc = new DOMDocument;

    // We don't want to bother with white spaces
    $doc->preserveWhiteSpace = false;


    $doc->strictErrorChecking = false;
    $doc->recover = true;

    $doc->loadHTMLFile('https://coinmarketcap.com/');



    $xpath = new DOMXPath($doc);

    $query = "//tr[@id='id-ethereum']";




    $entries = $xpath->query($query);
    foreach ($entries as $entry) {
        $result = trim($entry->textContent); 
        $ret_ = explode(' ', $result);
        //make sure every element in the array don't start or end with blank
        foreach ($ret_ as $key=>$val){
            $ret_[$key]=trim($val);
        }
        //delete the empty element and the element is blank "\n" "\r" "\t"
        //I modify this line
        $ret_ = array_values(array_filter($ret_,deleteBlankInArray));
            
        //echo the last element
        file_put_contents(globalVars::$_cache_dir . "ethereumchange", 
$ret_[7]);

    }

太感谢了。

如果你想使用第三方库，你可以使用https://github.com/rajanrx/php-scrape https://github.com/rajanrx/php-scrape

<?php

use Scraper\Scrape\Crawler\Types\GeneralCrawler;
use Scraper\Scrape\Extractor\Types\MultipleRowExtractor;

require_once(__DIR__ . '/../vendor/autoload.php');
date_default_timezone_set('UTC');

// Create crawler
$crawler = new GeneralCrawler('https://coinmarketcap.com/');

// Setup configuration
$configuration = new \Scraper\Structure\Configuration();
$configuration->setTargetXPath('//table[@id="currencies"]');
$configuration->setRowXPath('.//tbody/tr');
$configuration->setFields(
    [
        new \Scraper\Structure\TextField(
            [
                'name'  => 'Name',
                'xpath' => './/td[2]/a',
            ]
        ),
        new \Scraper\Structure\TextField(
            [
                'name'  => 'Market Cap',
                'xpath' => './/td[3]',
            ]
        ),
        new \Scraper\Structure\RegexField(
            [
                'name'  => '% Change',
                'xpath' => './/td[7]',
                'regex' => '/(.*)%/'
            ]
        ),
    ]
);

// Extract  data
$extractor = new MultipleRowExtractor($crawler, $configuration);
$data = $extractor->extract();
print_r($data);

将打印出以下内容：

Array
(
    [0] => Array
        (
            [Name] => Bitcoin
            [Market Cap] => $42,495,710,233
            [% Change] => -1.09
            [hash] => 76faae07da1d2f8c1209d86301d198b3
        )

    [1] => Array
        (
            [Name] => Ethereum
            [Market Cap] => $28,063,517,955
            [% Change] => -8.10
            [hash] => 18ade4435c69b5116acf0909e174b497
        )

    [2] => Array
        (
            [Name] => Ripple
            [Market Cap] => $11,483,663,781
            [% Change] => -2.73
            [hash] => 5bf61e4bb969c04d00944536e02d1e70
        )

    [3] => Array
        (
            [Name] => Litecoin
            [Market Cap] => $2,263,545,508
            [% Change] => -3.36
            [hash] => ea205770c30ddc9cbf267aa5c003933e
        )
   and so on ...

我希望这对你有帮助:)

免责声明：我是这个库的作者。