Q&A
$html = file_get_contents($url);
で取得した以下の様な内容のhtmlで、
「タイトル2」の「項目1」を取得したいと考えております。
タイトル2と同じ階層のhtmlを取得する(?)というアプローチで考えておりますが、
最適な方法がわからないため、ご教授頂きたいです。
<tr> <th>タイトル1</th> <td>項目1</td> </tr> <tr> <th>タイトル2</th> <td>項目1</td> </tr> <tr> <th>タイトル3</th> <td>項目1</td> </tr>
追記(11/30):
正規表現やPHP Simple HTML DOM Parserで基本的にはできているのですが、
今回質問させて頂いたケースだけが解決できないという状況です。
考え方の助言だけでもいただけると幸いです。
回答4件
0
ベストアンサー
test.html
html
1<html> 2<body> 3 <table> 4 <tr> 5 <th>タイトル1</th> 6 <td>項目1</td> 7 </tr> 8 <tr> 9 <th>タイトル2</th> 10 <td>項目1</td> 11 </tr> 12 <tr> 13 <th>タイトル3</th> 14 <td>項目1</td> 15 </tr> 16 </table> 17</body> 18</html>
php
1<?php 2require_once 'simple_html_dom.php'; 3 4// test.html読み込み 5$html = file_get_html( 'test.html' ); 6 7foreach ($html->find('tr') as $e) { 8 if($e->find('th',0)->innertext == 'タイトル1'){ 9 echo $e->find('td',0)->innertext; 10 } 11} 12
テキストでの検索ができないのでtrを全てチェックする形になると思います。
投稿2015/11/30 01:45
総合スコア124
0
追記部分込みで回答します。
私はjQueryが得意なのでそちらベースで考えますが、
PHPQueryやPHP Simple HTML DOM Parserでどの程度解決出来るか調査してみてください。
正規表現<([^<]+)>[^>]*タイトル2で、「タイトル2」を内包している要素が分かるので、
まずはその手前の文字列から「ID、クラス、タグ名」を取得してきます。
それを一度DOMパーサーで検索します。
IDがついてたら当然一意に決まりますが、ついてなければ複数の要素が取れる→配列で帰ってくるはず…
配列を再度文字列検索でタイトル2を内包しているか否かで見ていきます。
文字列検索する前に、タグを検知したら中身を消し飛ばしておきましょう。
※このタイミングで「タイトル2」の要素を掴んだはず
jQueryのparentで親の要素を取得します。
続けてchildrenで兄弟要素の一覧を取得します。
（PHPQueryなら同程度のことは出来そうですが…）
投稿2015/11/29 23:14
総合スコア21158
0
PHPのスクレイピングライブラリではGoutteなどが有名ですね。
PHPのWebスクレイピング・ライブラリ「Goutte」と「phpQuery」を比較してみた - Qiita
ライブラリを利用しない場合だと、以下の記事が参考になるかと思います。
PHPネイティブのDOMによるスクレイピング入門 - Qiita
ライブラリを活用した方がお手軽に実装できるので、そちらがオススメです。
投稿2015/11/29 14:35
総合スコア169
0
自力でHTMLをパースするのは中々に大変なので、
ライブラリを使うことをお勧めします。
PHP Simple HTML DOM Parser Manual
参考URL
投稿2015/11/29 13:17
総合スコア18713
あなたの回答
tips
プレビュー
バッドをするには、ログインかつ
こちらの条件を満たす必要があります。
2015/12/01 08:45