萬盛學電腦網

您现在的位置: 萬盛學電腦網 >> 程式設計 >  >> 網路程式設計 >> PHP 程式設計

PHP 正則擷取 HTML 指定 class 的 div 內容實戰

前言

雖然解析 HTML 推薦使用 DOMDocument 或 XPath,但針對簡單、固定結構的片段擷取,正則表達式仍具速度優勢。本文實戰示範如何用 PHP 正則精準提取 <div class="tideTable"> 區塊內容。

目標 HTML 結構

<div class="chartInfo">
  <div class="line"></div>
  <div class="tideTable">
    <strong>潮汐表</strong>數據僅供參考
    <table>...</table>
    <h2>時區:-1000...</h2>
  </div>
  <div class="chart"></div>
</div>

正則模式設計

<?php
// 關鍵模式:非貪婪匹配 .*?,修飾符 s 讓 . 匹配換行,i 不區分大小寫
$pattern = '/<div class="tideTable">.*?<\/div>/is';

// 獲取頁面內容(cURL 範例)
$ch = curl_init('https://example.com/tide');
curl_setopt_array($ch, [
    CURLOPT_RETURNTRANSFER => true,
    CURLOPT_POST => true,
    CURLOPT_POSTFIELDS => ['date' => '2024-01-01']
]);
$html = curl_exec($ch);
curl_close($ch);

// 執行匹配
if (preg_match_all($pattern, $html, $matches)) {
    // $matches[0] 包含完整匹配的 div 區塊
    foreach ($matches[0] as $block) {
        echo htmlspecialchars($block) . '<hr/>';
    }
} else {
    echo '未找到匹配區塊';
}
?>

進階:提取區塊內純文字/表格數據

<?php
// 1. 移除 HTML 標籤保留文字
$text = strip_tags($matches[0][0]);
echo $text; // "潮汐表數據僅供參考 00:58 05:20 ..."

// 2. 結合 DOMDocument 精準提取表格(推薦複雜結構)
$dom = new DOMDocument();
@$dom->loadHTML('<meta charset="utf-8">' . $matches[0][0]); // 修正編碼
$xpath = new DOMXPath($dom);
$rows = $xpath->query('//table//tr');
foreach ($rows as $row) {
    $cells = $xpath->query('td', $row);
    foreach ($cells as $cell) {
        echo $cell->textContent . "\t";
    }
    echo "<br/>";
}
?>

正則 vs DOM 選擇指南

  • 正則:結構固定、單次擷取、效能敏感、不需處理巢狀標籤不平衡。
  • DOMDocument/XPath:結構複雜、需屬性過濾、巢狀深度不定、容錯率要求高。
  • 專用庫:symfony/dom-crawler、paquettg/php-html-parser 提供 jQuery 風格 API。

反爬蟲應對

目標站若有反爬機制,需補全 Header(Referer、User-Agent、Cookie)、處理 JavaScript 渲染(Puppeteer/Playwright)、驗證碼識別等。

copyright © 萬盛學電腦網 all rights reserved