質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

88.10%

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

解決済

回答 1

投稿

  • 評価
  • クリップ 1
  • VIEW 2,598

score 48

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。
<html>
<head></head>

<boby>
<div class="content">

<div class="lead">test【test】</div>

<div style="padding-left:50px;">

         
          <H3 class="link">・<a href="http://www.test.com/number/079xx.php">079xx</a>     
  
<font color="#FF0000"><b>1</b>件の</font>
</MTComments>  
   

</H3>
           
        
          <H3 class="link">・<a href="http://www.test.com/number/079xx.php">079xx</a>     
  
<font color="#999999">丸</font>

</H3>
           
        
          <H3 class="link">・<a href="http://www.test.com/number/xx.php">aaa</a>     
  
<font color="#999999">丸</font>

</H3>
           
        
          <H3 class="link">・<a href="http://www.test.com/number/07917xxx.php">07917xxx</a>     
  
<font color="#999999">丸</font>

</H3>

</div>

<div>

</body>
</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。
<?php
require_once 'simple_html_dom.php';

// URLから
$html = file_get_html( 'http://xxx/test2.html' );

// Find all links 
   foreach($html->find('div.h3') as $element) {

       echo $element->href . '<br>';

   }

?>

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。

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 1

checkベストアンサー

0

a要素の中身、つまり

<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。

$dom->load('<h1>タイトル<strong>強調</strong></h1>');

$dom->find('h1', 0)->plaintext;  // タイトル強調
$dom->find('h1', 0)->innertext;  // タイトル<strong>強調</strong>

PHP Simple HTML DOM Parserがとっても便利 | mutter

ただ、Simple HTML DOM Parserは遅く、重く、メモリ消費も劣悪なライブラリです。
Goutteを利用したほうが絶対に良いです。

そろそろ Simple HTML DOM Parser を使うのはやめたほうがいい - localdisk
PHPでスクレイピング【Goutte vs. Simple HTML DOM Parser】 - Qiita

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2015/10/26 22:58

    foreach($html->find('h3') as $element) {
    echo $element->innertext;
    }

    でaタグの内容が取得できました。Goutteも少しちょっと調べてみます。

    ありがとうございました。

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 88.10%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る