如何使用 PHP 抓取 HTML 表格数据

Question

编辑：没有说清楚。我正在使用 PHP

我正在尝试创建一个现代化的 Boxrec 网站，我正在从维基百科抓取数据。在拳击手的每个维基百科页面中，都有一张他们的比赛表格。我已经成功地从另一个表中提取了胜利、失败和平局数据。我如何使用 PHP 将战斗表数据提取到某种（2D？）纯文本数组中？

这是该表的链接（这是第二个表，较大的一个） https://en.wikipedia.org/wiki/Sugar_Ray_Robinson#Professional_boxing_record

这是我尝试过的代码（我可能完全不同意这个）

$dom = new domDocument;

$dom->loadHTML($table);

$dom->preserveWhiteSpace = false;

$tables = $dom->getElementsByTagName('table');

$rows = $tables->item(1)->getElementsByTagName('tr');

foreach ($rows as $row) {

        $cols = $row->getElementsByTagName('td');

        echo $cols[2];

}

这给了我

警告： DOMDocument::loadHTML()：意外的结束标记：实体中的 div，第 38 行 C:\xampp\htdocs\boxing\search\index.php 中的第 4375 行

Answer 1

我看到的几个问题：$tables->item(1)->getElementsByTagName('tr');将始终为您提供页面中的第二个表格，该表格将是右侧个人统计数据块中的表格由于$cols[2]不是简单类型的对象，您将收到警告而不是内容。用于echo $cols[2]->textContent输出内部文本。我建议加载所有表，然后根据结果表中不同的表标题进行检查（如果您正在解析结果表）。然后提取适当的列。示例代码：下面的代码仅显示如何检查表中的示例标题“Result”，然后输出结果列。请根据您的预期目的进行调整。<?php$table = file_get_contents('https://en.wikipedia.org/wiki/Sugar_Ray_Robinson');$dom = new DOMDocument;$dom->loadHTML($table);$dom->preserveWhiteSpace = false;$tables = $dom->getElementsByTagName('table');foreach ($tables as $singleTable) {&nbsp; &nbsp; try {&nbsp; &nbsp; &nbsp; &nbsp; $rows = $singleTable->getElementsByTagName('tr');&nbsp; &nbsp; &nbsp; &nbsp; // check if we are parsing the right table:&nbsp; &nbsp; &nbsp; &nbsp; $row1= $rows[0]->getElementsByTagName('th');&nbsp; &nbsp; &nbsp; &nbsp;&nbsp;&nbsp; &nbsp; &nbsp; &nbsp; $isResultTable= FALSE;&nbsp; &nbsp; &nbsp; &nbsp; foreach ($row1 as $th) {&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; if (trim($th->textContent) === 'Result') {&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; $isResultTable = TRUE;&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; }&nbsp; &nbsp; &nbsp; &nbsp; }&nbsp; &nbsp; &nbsp; &nbsp;&nbsp;&nbsp; &nbsp; &nbsp; &nbsp; if (!$isResultTable) continue;&nbsp; &nbsp; &nbsp; &nbsp;&nbsp;&nbsp; &nbsp; &nbsp; &nbsp; foreach ($rows as $row) {&nbsp; &nbsp;&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; $cols = $row->getElementsByTagName('td');&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; echo $cols[2]->textContent;&nbsp; &nbsp; &nbsp; &nbsp; }&nbsp; &nbsp; &nbsp; &nbsp;&nbsp; &nbsp; } catch (Exception $ex) {&nbsp; &nbsp; &nbsp; &nbsp; print_r($ex);&nbsp; &nbsp; }}