PHPでWEBスクレイピングをSimple HTML DOM Parserして行う

PHPでWEBスクレイピングをSimple HTML DOM Parserして行おうとしています。

対象となるHTMLファイルは下記のようになります。

lang
1<html>
2<head></head>
3
4<boby>
5<div class="content">
6
7<div class="lead">test【test】</div>
8
9<div style="padding-left:50px;">
10
11		 
12          <H3 class="link">・<a href="http://www.test.com/number/079xx.php">079xx</a>     
13  
14<font color="#FF0000"><b>1</b>件の</font>
15</MTComments>  
16   
17
18</H3>
19 		  
20        
21          <H3 class="link">・<a href="http://www.test.com/number/079xx.php">079xx</a>     
22  
23<font color="#999999">丸</font>
24
25</H3>
26 		  
27        
28          <H3 class="link">・<a href="http://www.test.com/number/xx.php">aaa</a>     
29  
30<font color="#999999">丸</font>
31
32</H3>
33 		  
34        
35          <H3 class="link">・<a href="http://www.test.com/number/07917xxx.php">07917xxx</a>     
36  
37<font color="#999999">丸</font>
38
39</H3>
40
41</div>
42
43<div>
44
45</body>
46</html>

HTMLファイルをWEBスクレイピングをしようとしているPHPは下記となります。

lang
1<?php
2require_once 'simple_html_dom.php';
3
4// URLから
5$html = file_get_html( 'http://xxx/test2.html' );
6
7// Find all links 
8   foreach($html->find('div.h3') as $element) {
9
10       echo $element->href . '<br>';
11
12   }
13
14?>

行おうとしている処理は、HTMLファイルのaタグのURLや<a href..>ここ</a>の部分を取得することをしようといています。
理屈が、まだあまりわかっていないのですが、どのようにしたら、aタグを部分の値を取得できるか教えていただけると幸いです。

よろしくお願いいたします。

行動規範の内容に同意します

回答1件

ベストアンサー

a要素の中身、つまり

HTML
1<a href="./">ここ</a>

上記の「ここ」という文字列を取得するなら、plaintextまたはinnertextを使います。
この2つの違いは、文字列に含まれる要素(タグ)を除去するかどうかです。

PHP
1$dom->load('<h1>タイトル<strong>強調</strong></h1>');
2
3$dom->find('h1', 0)->plaintext;  // タイトル強調
4$dom->find('h1', 0)->innertext;  // タイトル<strong>強調</strong>