質問編集履歴
4
文章の修正(内容に変化なし)
test
CHANGED
File without changes
|
test
CHANGED
@@ -134,4 +134,4 @@
|
|
134
134
|
|
135
135
|
|
136
136
|
|
137
|
-
|
137
|
+
同じような現象に困った方々の助けになれば幸いです。
|
3
参考資料URL追記
test
CHANGED
File without changes
|
test
CHANGED
@@ -124,6 +124,10 @@
|
|
124
124
|
|
125
125
|
※Tidyにてhtmlを正しい形に整形しました。
|
126
126
|
|
127
|
+
※また下記のサイトを参考にしました。
|
128
|
+
|
129
|
+
https://qiita.com/ShibuyaKosuke/items/86b7a17a57583e8fb4e3
|
130
|
+
|
127
131
|
|
128
132
|
|
129
133
|
htmlのコードがひどいサイトをスクレイピング
|
2
解決策を記載。
test
CHANGED
File without changes
|
test
CHANGED
@@ -15,8 +15,6 @@
|
|
15
15
|
$projectUrl = 'http://www.kaigokensaku.mhlw.go.jp/13/index.php?action_kouhyou_detail_2016_033_kihon=true&JigyosyoCd=1372400638-00&PrefCd=13&VersionCd=033';
|
16
16
|
|
17
17
|
|
18
|
-
|
19
|
-
$db = new \App\Crawler\SetKaigokensaku(/*$argv*/);
|
20
18
|
|
21
19
|
$dom = new \DOMDocument();
|
22
20
|
|
@@ -68,4 +66,68 @@
|
|
68
66
|
|
69
67
|
|
70
68
|
|
69
|
+
###追記
|
70
|
+
|
71
|
+
下記のコードのように行った結果、xml形式でページ全体を取得できましたので報告いたします。
|
72
|
+
|
73
|
+
##解決方法
|
74
|
+
|
75
|
+
```
|
76
|
+
|
77
|
+
ini_set('display_errors', true);
|
78
|
+
|
79
|
+
error_reporting(E_ALL);
|
80
|
+
|
81
|
+
$projectUrl = 'http://www.kaigokensaku.mhlw.go.jp/13/index.php?action_kouhyou_detail_2016_033_kihon=true&JigyosyoCd=1372400638-00&PrefCd=13&VersionCd=033';
|
82
|
+
|
83
|
+
|
84
|
+
|
85
|
+
$dom = new \DOMDocument();
|
86
|
+
|
87
|
+
$tidy = new \Tidy;
|
88
|
+
|
89
|
+
|
90
|
+
|
91
|
+
$ch = curl_init();
|
92
|
+
|
93
|
+
|
94
|
+
|
95
|
+
curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
|
96
|
+
|
97
|
+
curl_setopt($ch, CURLOPT_ENCODING, 'gzip');
|
98
|
+
|
99
|
+
curl_setopt($ch, CURLOPT_URL, $projectUrl);
|
100
|
+
|
101
|
+
$detailRes = curl_exec($ch);
|
102
|
+
|
103
|
+
$detailRes = str_replace('&', '&', $detailRes);
|
104
|
+
|
105
|
+
$config = array(
|
106
|
+
|
107
|
+
// 'drop-empty-elements' => false, // 空の要素を削除しない
|
108
|
+
|
109
|
+
'hide-comments' => true, // コメントを削除
|
110
|
+
|
111
|
+
'output-xhtml' => true, // xhtml に変換
|
112
|
+
|
113
|
+
);
|
114
|
+
|
115
|
+
|
116
|
+
|
117
|
+
$tidy->parseString($detailRes, $config, 'utf8');
|
118
|
+
|
119
|
+
$tidy->cleanRepair();
|
120
|
+
|
121
|
+
$xml = simplexml_load_string($tidy);var_dump($xml);dd();
|
122
|
+
|
123
|
+
```
|
124
|
+
|
125
|
+
※Tidyにてhtmlを正しい形に整形しました。
|
126
|
+
|
127
|
+
|
128
|
+
|
129
|
+
htmlのコードがひどいサイトをスクレイピング
|
130
|
+
|
131
|
+
|
132
|
+
|
71
|
-
何卒よろしくお願いいたします。
|
133
|
+
何卒よろしくお願いいたします。する方々の助けになれば幸いです。
|
1
「やったこと」の追記
test
CHANGED
File without changes
|
test
CHANGED
@@ -62,4 +62,10 @@
|
|
62
62
|
|
63
63
|
|
64
64
|
|
65
|
+
###やったこと
|
66
|
+
|
67
|
+
curlにしているのが問題なのかと思い、file_get_contentsに変えてみましたが、変わりなくエラーが出てしまいました。
|
68
|
+
|
69
|
+
|
70
|
+
|
65
71
|
何卒よろしくお願いいたします。
|