ホームページ > バックエンド開発 > PHPチュートリアル > 単純なphpを使用してWebページからテキストを収集するのに問題があります。アドバイスをお願いします。

単純なphpを使用してWebページからテキストを収集するのに問題があります。アドバイスをお願いします。

WBOY
リリース: 2016-06-23 14:12:46
オリジナル
812 人が閲覧しました

この投稿は、hi_5461 によって 2013-06-09 15:54:50 に最終編集されました

ターゲット コレクション ページには次のコードがあります (サンプル ページ、データは変更される可能性がありますが、形式は変更されません)
する必要があります。テーブル内の主な 4 つのデータ項目を取得します: シリアル番号、不正な時間、不正な場所、不正な動作 (つまり、93 行目と 130 行目の間)
より詳細な PHP コードを提供できることを願っています。
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd"><html xmlns="http://www.w3.org/1999/xhtml"><head><base href="http://218.25.58.44:80/" /><meta http-equiv="Content-Type" content="text/html; charset=utf-8" /><title>交警查询</title><link href="style/style.css" rel="stylesheet" type="text/css" /><style>.center_td {	text-align:center;}</style></head><body><div class="top"><div class="menu"><ul><li><a href="#">网站首页</a></li><li> 沈阳交警</li><li> 交通新闻 </li><li> 视频播放 </li><li> 为您服务 </li><li> 在线办公 </li><li> 信息查询 </li><li> 征求意见 </li><li> 联系我们</ul></div><div class="txt"><!-- 沈阳小雨转小到中雨21~14   今天是:2010年5月28日    -->返回首页 / 设为首页 / 添加搜藏</div></div><div class="main"><table width="100%" border="0" cellspacing="0" cellpadding="0">  <tr>    <td valign="top" class="lmenu" >    <div class="l1">    <h1><a href="#"><img src="images/cxx_04.png" border="0" /></a></h1>    <ul>    <li>业务指南</li>    <li>表格下载<br />机动车驾驶人身体条件证<br />机动车驾驶申请表…</li>    <li>自助报名</li>    <li>模拟考场</li>    <li>电子地图</li>    <li>网上车管所</li>    </ul>    </div>            <div class="l1 l2">    <h1><a href="#"><img src="images/cxx_10.png" border="0" /></a></h1>    <ul>    <li>业务指南</li>    <li>表格下载<br />机动车驾驶人身体条件证<br />机动车驾驶申请表…</li>    <li>自助报名</li>    </ul>    </div>             <div class="l1 l3">    <h1><a href="#"><img src="images/cxx_12.png" border="0" /></a></h1>    <ul>    <li>业务指南</li>    <li>表格下载<br />机动车驾驶人身体条件证<br />机动车驾驶申请表…</li>    <li>自助报名</li>    <li>模拟考场</li>    <li>电子地图</li>    <li>网上车管所</li>    </ul>    </div>     <div class="l1 l4">    <h1><a href="#"><img src="images/cxx_14.png" border="0" /></a></h1>    <div class="video"><img src="images/cxx_15.png" /></div>    <div class="video"><img src="images/cxx_16.png" /></div>    </div>     <div class="kjc">    <img src="images/cxx_17.png" />    </div>    </td>    <td valign="top">    <div class="content">    <h1>在线查询 / 电子警察拍照信息</h1>    <table width="100%" border="0" cellspacing="0" cellpadding="0" class="tab">            <tr>    	<td width="30" height="30" class="center_td"> </td>    	<td width="140" class="center_td">电子警察拍照信息</td>    	<td width="200" class="center_td">小型汽车</td>    	<td class="center_td">辽AQ007B</td>    </tr>    <tr>    	<td class="center_td" height="30">序 号</td>    	<td class="center_td">违法时间</td>    	<td class="center_td" width="200">违法地点</td>    	<td class="center_td">违法行为</td>    </tr>			<tr onmouseover="this.style.background='#DAE5FB';" onmouseout="this.style.background='#ffffff';">    	<td class="center_td" height="30">1</td>    	<td class="center_td">2013-02-0711:16</td>    	<td> 沈阳市永安路</td>    	<td> 违停,驾驶人不在现场,妨碍其他车辆行人通行的</td>  	</tr>  	<tr bgcolor="#e5e5e5" onmouseover="this.style.background='#DAE5FB';" onmouseout="this.style.background='#e5e5e5';">	    	<td class="center_td" height="30">2</td>    	<td class="center_td">2013-03-0808:34</td>    	<td> 沈阳市三好街文萃路由南向北</td>    	<td> 通过路口遇停止信号时,停在停止线以内或路口内的</td>  	</tr>  		<tr onmouseover="this.style.background='#DAE5FB';" onmouseout="this.style.background='#ffffff';">    	<td class="center_td" height="30">3</td>    	<td class="center_td">2013-03-2210:16</td>    	<td> 沈阳市三好街文萃路4号</td>    	<td> 违停,驾驶人不在现场,妨碍其他车辆行人通行的</td>  	</tr>  	<tr bgcolor="#e5e5e5" onmouseover="this.style.background='#DAE5FB';" onmouseout="this.style.background='#e5e5e5';">	    	<td class="center_td" height="30">4</td>    	<td class="center_td">2013-05-1413:53</td>    	<td> 沈阳市永安路</td>    	<td> 违停,驾驶人不在现场,妨碍其他车辆行人通行的</td>  	</tr>  		<tr onmouseover="this.style.background='#DAE5FB';" onmouseout="this.style.background='#ffffff';">    	<td class="center_td" height="30">5</td>    	<td class="center_td">2013-05-3113:29</td>    	<td> 沈阳市五里河街</td>    	<td> 违停,驾驶人不在现场,妨碍其他车辆行人通行的</td>  	</tr>            </table>    <table width="100%" height="43" border="0" cellpadding="0" cellspacing="0">      <tr>        <td width="121"><!-- <img src="images/cxx_07.png" width="121" height="24" /> --></td>        <td width="176"><!-- <img src="images/cxx_08.png" width="176" height="24" /> --></td>        <td width="176"><!-- <img src="images/cxx_09.png" width="133" height="24" /> --></td>        <td align="right">        <img src="images/bk.png" style="cursor:hand;" onclick="javascript:history.back(-1);" />        </td>      </tr>    </table>    </div>    </td>  </tr></table></div><div class="foot"><p>友情连接:<select name="">  <option>所属单位</option></select>  <select name="select">    <option>所属单位</option>  </select>  <select name="select2">    <option>所属单位</option>  </select>  <select name="select3">    <option>所属单位</option>  </select>  <select name="select4">    <option>所属单位</option>  </select></p>Copyright 2009 www.sygajj.gov.cn All Rights Reserved<br />版权所有:沈阳市交通警察支队 E-maill:webmaster@www.sygajj.gov.cn 辽ICP备07501079号 邮编:110003<br />站长统计</div></body></html>
ログイン後にコピー


ディスカッションへの返信(解決策)

preg_match_all('#<td class="center_td" height="30">(\d+)</td>\s*<td class="center_td">(.+)</td>\s*<td>(.+)</td>\s*<td>(.+)</td>#isU',$s,$m);print_r($m);
ログイン後にコピー
ログイン後にコピー
ログイン後にコピー

preg_match_all('#<td class="center_td" height="30">(\d+)</td>\s*<td class="center_td">(.+)</td>\s*<td>(.+)</td>\s*<td>(.+)</td>#isU',$s,$m);print_r($m);
ログイン後にコピー
ログイン後にコピー
ログイン後にコピー

正規表現なしで実現できますか?

必要に応じて、正規表現を使用するのが最も便利です。他に何が必要ですか?


preg_match_all('#<td class="center_td" height="30">(\d+)</td>\s*<td class="center_td">(.+)</td>\s*<td>(.+)</td>\s*<td>(.+)</td>#isU',$s,$m);print_r($m);
ログイン後にコピー
ログイン後にコピー
ログイン後にコピー

正規表現を使用せずにこれを実現することは可能ですか?

この状況では正規表現を使用するのが最適です

正しく呼び出したかどうかはわかりませんが、出力に望ましくない文字が表示されます。

?Array(    [0] => Array        (            [0] => <td class="center_td" height="30">1</td>    	<td class="center_td">2013-02-0711:16</td>    	<td> 沈阳市永安路</td>    	<td> 违停,驾驶人不在现场,妨碍其他车辆行人通行的</td>            [1] => <td class="center_td" height="30">2</td>    	<td class="center_td">2013-03-0808:34</td>    	<td> 沈阳市三好街文萃路由南向北</td>    	<td> 通过路口遇停止信号时,停在停止线以内或路口内的</td>            [2] => <td class="center_td" height="30">3</td>    	<td class="center_td">2013-03-2210:16</td>    	<td> 沈阳市三好街文萃路4号</td>    	<td> 违停,驾驶人不在现场,妨碍其他车辆行人通行的</td>            [3] => <td class="center_td" height="30">4</td>    	<td class="center_td">2013-05-1413:53</td>    	<td> 沈阳市永安路</td>    	<td> 违停,驾驶人不在现场,妨碍其他车辆行人通行的</td>            [4] => <td class="center_td" height="30">5</td>    	<td class="center_td">2013-05-3113:29</td>    	<td> 沈阳市五里河街</td>    	<td> 违停,驾驶人不在现场,妨碍其他车辆行人通行的</td>        )    [1] => Array        (            [0] => 1            [1] => 2            [2] => 3            [3] => 4            [4] => 5        )    [2] => Array        (            [0] => 2013-02-0711:16            [1] => 2013-03-0808:34            [2] => 2013-03-2210:16            [3] => 2013-05-1413:53            [4] => 2013-05-3113:29        )    [3] => Array        (            [0] =>  沈阳市永安路            [1] =>  沈阳市三好街文萃路由南向北            [2] =>  沈阳市三好街文萃路4号            [3] =>  沈阳市永安路            [4] =>  沈阳市五里河街        )    [4] => Array        (            [0] =>  违停,驾驶人不在现场,妨碍其他车辆行人通行的            [1] =>  通过路口遇停止信号时,停在停止线以内或路口内的            [2] =>  违停,驾驶人不在现场,妨碍其他车辆行人通行的            [3] =>  违停,驾驶人不在现场,妨碍其他车辆行人通行的            [4] =>  违停,驾驶人不在现场,妨碍其他车辆行人通行的        ))
ログイン後にコピー

私はそれを次のように呼び出しました:
$s = $p->post($remote_server,$post_string);preg_match_all('#<td class="center_td" height="30">(\d+)</td>\s*<td class="center_td">(.+)</td>\s*<td>(.+)</td>\s*<td>(.+)</td>#isU',$s,$m);print_r($m);
ログイン後にコピー

上記の結果では、3 行目から 25 行目までは不要で、47 行目にもスペースがありますが、これも必要なものではありません。コードを解決しました、ありがとう!

$s = $p->post($remote_server,$post_string);preg_match_all('#<td class="center_td" height="30">(\d+)</td>\s*<td class="center_td">(.+)</td>\s*<td>(?: )*(.+)</td>\s*<td>(?: )*(.+)</td>#isU',$s,$m);print_r($m);
ログイン後にコピー
ログイン後にコピー

$m の添字 1 ~ 4 を連番、時刻、場所、内容で順に表現します

$s = $p->post($remote_server,$post_string);preg_match_all('#<td class="center_td" height="30">(\d+)</td>\s*<td class="center_td">(.+)</td>\s*<td>(?: )*(.+)</td>\s*<td>(?: )*(.+)</td>#isU',$s,$m);print_r($m);
ログイン後にコピー
ログイン後にコピー

$m の添字 1 ~ 4 を連番、時刻、場所、内容で連番で表現します
試してみた結果は元のものと同じで、スペース文字を除外できません

preg_match_all('#(d+)< /td>s*(.+)s* (.+)s* ( .+)#isU', $s,$m);

preg_match_all('#(d+)s* (. +)s* (.+)s* (.+)< /td>#isU',$s,$m );
今回は正解です
もう 1 つの小さな問題があります。それは、取得した $m が値のない空の配列である場合があるということです。これはどうやって判断すればよいでしょうか。正しい結果が得られないため、クエリを再実行する必要があります。ありがとうございます。空の配列が返された場合の結果は次のとおりです。

Array(    [0] => Array        (        )    [1] => Array        (        )    [2] => Array        (        )    [3] => Array        (        )    [4] => Array        (        ))
ログイン後にコピー

空の場合、データは上記の形式ではありません。 $m[0] が空の配列であるかどうかを判断するだけで済みます。
if(empty($m[0])){
クエリを再度実行します
}

空の場合、データは上記の形式ではありません。 $m[0] が空の配列であるかどうかを判断するだけで済みます。 。
if(empty($m[0])){
クエリを再度実行します
}
おっしゃるとおり、空の場合、上記の形式でないと正規表現でエラーになります(笑)。正規表現の前に判断する必要があります。 $sに「認証コードの入力が間違っています。再入力してください!」があるかどうかを判断する必要があるのですが、書き方が分かりません。

<td colspan="2">    			验证码输入有误,请重新输入!	    	        </td>
ログイン後にコピー

strpos() を使って判断するだけですよね?

エラーが発生すると上記のプロンプトが表示されますよね?

if(strpos($s,'認証コードが間違って入力されました。再入力してください!') !==false){
....クエリを再実行....
}

は、エラーが発生したときに表示されます それは上記のヒントですか?

if(strpos($s,'認証コードが正しく入力されていません。再入力してください!') !==false){
....クエリを再度実行します....
}
別の必要性通常の部分を書くことができません、読むのを手伝ってください、ありがとうございます
対象ページアドレス: http://218.25.58.44/searchsys/
収集されるデータは次のとおりです: 「データの最終更新日は 6 月 9 日です」 、2013 」
ルールを聞いてください!

ターゲットは 183 行目です。このページのソース コードは次のとおりです:

<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd"><html xmlns="http://www.w3.org/1999/xhtml"><head><base href="http://218.25.58.44:80/" /><meta http-equiv="Content-Type" content="text/html; charset=utf-8" /><title>交警查询</title><link href="style/style.css" rel="stylesheet" type="text/css" /><script>function trim(val) {	var str = val+"";	if (str.length == 0) return str;	var re = /^\s*/;	str = str.replace(re,'');	re = /\s*$/;	return str.replace(re,'');}function chkForm1(form) {	if ((trim(form("wzcx.autono").value) == "") || (trim(form("wzcx.autono").value).length < 7)) {		alert("请输入有效的车牌号!");		form("wzcx.autono").focus();		return false;	}	if ((trim(form("wzcx.memo").value) == "") || (trim(form("wzcx.memo").value).length < 4)) {		alert("请输入车辆识别代码后四位!");		form("wzcx.memo").focus();		return false;	}	if (trim(form("rand").value) == "") {		alert("请输入验证码!");		form("rand").focus();		return false;	}}function chkForm2(form) {	if (trim(form.cardno.value) == "") {		alert("请输入有效的档案编号!");		form.cardno.focus();		return false;	}	if (trim(form.idno.value) == "") {		//alert("请输入有效的证件号码!");		alert("请输入有效的身份证号码!");		form.idno.focus();		return false;	}	if (trim(form.rand2.value) == "") {		alert("请输入验证码!");		form.rand2.focus();		return false;	}}</script></head><body><div class="top"><div class="menu"><ul><li><a href="#">网站首页</a></li><li> 沈阳交警</li><li> 交通新闻 </li><li> 视频播放 </li><li> 为您服务 </li><li> 在线办公 </li><li> 信息查询 </li><li> 征求意见 </li><li> 联系我们</ul></div><div class="txt"><!-- 沈阳小雨转小到中雨21℃~14℃   今天是:2010年5月28日    -->返回首页 / 设为首页 / 添加搜藏</div></div><div class="main"><table width="100%%" border="0" cellspacing="0" cellpadding="0">  <tr>    <td valign="top" class="lmenu" >    <div class="l1">    <h1><a href="#"><img src="images/cxx_04.png" border="0" /></a></h1>    <ul>    <li>业务指南</li>    <li>表格下载<br />机动车驾驶人身体条件证<br />机动车驾驶申请表…</li>    <li>自助报名</li>    <li>模拟考场</li>    <li>电子地图</li>    <li>网上车管所</li>    </ul>    </div>            <div class="l1 l2">    <h1><a href="#"><img src="images/cxx_10.png" border="0" /></a></h1>    <ul>    <li>业务指南</li>    <li>表格下载<br />机动车驾驶人身体条件证<br />机动车驾驶申请表…</li>    <li>自助报名</li>    </ul>    </div>             <div class="l1 l3">    <h1><a href="#"><img src="images/cxx_12.png" border="0" /></a></h1>    <ul>    <li>业务指南</li>    <li>表格下载<br />机动车驾驶人身体条件证<br />机动车驾驶申请表…</li>    <li>自助报名</li>    <li>模拟考场</li>    <li>电子地图</li>    <li>网上车管所</li>    </ul>    </div>     <div class="l1 l4">    <h1><a href="#"><img src="images/cxx_14.png" border="0" /></a></h1>    <div class="video"><img src="images/cxx_15.png" /></div>    <div class="video"><img src="images/cxx_16.png" /></div>    </div>     <div class="kjc">    <img src="images/cxx_17.png" />    </div>    </td>    <td valign="top">    <div class="content">    <p> </p>    <table width="100%%" height="101" border="0" cellpadding="3" cellspacing="0">	<!-- 电子警察拍照信息 -->	<tr>		<td width="78" height="44">		    <b>电子警察拍照信息</b></td>	</tr>	<form action="search/wzcxrs.action" method="post" name="wfxxForm" id="wfxxForm" onsubmit="return chkForm1(this);">	<tr>		<td height="44"><table width="100%" border="0" cellspacing="3" cellpadding="1">  <tr>    <td>车型      <select name="wzcx.autotype" id="wzcx.autotype" style="width:90px;">        <option value="小型汽车">小型汽车</option>        <option value="大型汽车">大型汽车</option>        <option value="外籍汽车">外籍汽车</option>        <option value="临时行驶车">临时行驶车</option>        <option value="挂车">挂车</option>        <option value="原农机号牌">原农机号牌</option>        <option value="农用运输车">农用运输车</option>      </select></td>    <td>车牌号      <input name="wzcx.autono" type="text" class="input" id="wzcx.autono" size="8" maxlength="20" value="辽A" onkeyup="this.value=this.value.toUpperCase();" /></td>    <td>车辆识别代码后四位      <input name="wzcx.memo" type="text" class="input" id="wzcx.memo" size="5" maxlength="4" onkeyup="this.value=this.value.toUpperCase();" /></td>    <td>验证码<span style="font-size:18px; font-weight:bold; color:#CA0906; ">      <input name="rand" type="text" class="input" id="rand" size="5" maxlength="4" />      <img id="img1" src="/searchsys/img.jsp" width="55" height="23" border="0" onclick="javascript:this.src='/searchsys/img.jsp';" alt="看不清,请点击" style="cursor:hand;"/></span></td>    <td><input type="image" src="images/cxx_06.png" width="78" height="24" /></td>    </tr></table>		  <br /></td>	</tr>	  </form>	  <!-- 驾驶员积分信息 -->	  <tr>		<td height="43">		    <b>驾驶员信息</b></td>	  </tr>	  <form action="search/jsyxxrs.action" method="post" name="jsyxxForm" id="jsyxxForm" onsubmit="return chkForm2(this);">	  <tr>		<td height="43"><table width="100%" border="0" cellspacing="3" cellpadding="1">		  <tr>		    <td><!--证件类型-->档案编号		      <!--<select name="idtype" id="idtype" style="width:100px;">		        <option value="1">档案编号</option>		        <option value="2">身份证号</option>		        </select>-->		      <input name="cardno" type="text" class="input" id="cardno" size="18" maxlength="50" /></td>		    <td><!--号码-->身份证号码		      <input name="idno" type="text" class="input" id="idno" size="22" maxlength="50" /></td>		    <td>验证码<span style="font-size:18px; font-weight:bold; color:#CA0906; ">		      <input name="rand2" type="text" class="input" id="rand2" size="5" maxlength="4" />              <img src="/searchsys/img2.jsp" width="55" height="23" border="0" onclick="javascript:this.src='/searchsys/img2.jsp';" alt="看不清,请点击" style="cursor:hand;"/> </span></td>		    <td><input type="image" src="images/cxx_06.png" width="78" height="24" /></td>		    </tr>		  </table>		  <br /></td>	  </tr>	  </form>    </table>    <div>    <br/><center>      <!--img src="sm.gif" width="531" height="239" /-->    </center><br/>    <hr/><br/>	<center>数据最后更新至2013年6月9日</center>        </div>	<!-- 按按 --    <table width="100%%" height="76" border="0" cellpadding="0" cellspacing="0">      <tr>        <td width="121"><!-- <img src="images/cxx_07.png" width="121" height="24" /> --></td>        <td width="176"><!-- <img src="images/cxx_08.png" width="176" height="24" /> --></td>        <td width="176"><!-- <img src="images/cxx_09.png" width="133" height="24" /> --></td>        <td align="right"></td>      </tr>    </table>	    </div>    </td>  </tr></table></div><div class="foot"><p>友情连接:<select name="">  <option>所属单位</option></select>  <select name="select">    <option>所属单位</option>  </select>  <select name="select2">    <option>所属单位</option>  </select>  <select name="select3">    <option>所属单位</option>  </select>  <select name="select4">    <option>所属单位</option>  </select></p>Copyright 2009 www.sygajj.gov.cn All Rights Reserved<br />版权所有:沈阳市交通警察支队 E-maill:webmaster@sygajj.gov.cn 辽ICP备07501079号 邮编:110003<br /><script src="http://s11.cnzz.com/stat.php?id=2228263&web_id=2228263" language="JavaScript"></script></div></body></html>
ログイン後にコピー

preg_match('#

(.+?)
#',$s,$m) ;
echo $m[1];

女の子は質問にすぐに答えます。

ソース:php.cn
このウェブサイトの声明
この記事の内容はネチズンが自主的に寄稿したものであり、著作権は原著者に帰属します。このサイトは、それに相当する法的責任を負いません。盗作または侵害の疑いのあるコンテンツを見つけた場合は、admin@php.cn までご連絡ください。
人気のチュートリアル
詳細>
最新のダウンロード
詳細>
ウェブエフェクト
公式サイト
サイト素材
フロントエンドテンプレート