webseite auslesen

hucskfjs

ich würde gerne eine webseite mit php auf text zwischen zwei bestimmten tags auslesen. habe bereits eine function die mir den gesamten quelltext in einen string einliest - readsite(url) - habe probiert dann mit explode die tags zu trennen, habe aber mit den arrays immer nur fehlermeldungen erhalten! kann mir jemand vielleicht verraten wie das gscheit funktioniert?

spinball

Nicht alle HTML-Tags müssen geschlossen werden, zB img oder option.
Ansonsten benutz doch das hier:

diebstahl.php

PHP

<?php
function diebstahl($url,$tag) {
	$content = file_get_contents($url);
	$reg = "/<$tag(.*)>(.+)<\/$tag>/i";
	preg_match_all($reg,$content,$matches);
	return preg_replace($reg,"\\2",$matches[0]);
}


echo "<pre>";
print_r(diebstahl("https://informatik-forum.at/showthread.php?p=600426","a"));
echo "</pre>";
?>

Alles anzeigen

cherrybonbon

hi,

du kannst die seite auch mit der DOM Extension von php (bei php5 standardmäßig dabei) einlesen und per XSLT daten herausfiltern und ein neues XML-Dokument erstellen - vorrausgesetzt die einzulesende seite ist ein valides XML Dokument. das ganze ist zwar etwas mehr aufwand, dafür hast du mit XSL ein sehr mächtiges werkzeug mit dem du die ganze seite in ihre einzelteile zerlegen kannst.

dazu musst du vortäuschen ein browser zu sein:

PHP

ini_set("user_agent","Mozilla/5.0 (Windows; U; Windows NT 5.1; de; rv:1.8.1.6) Gecko/20070725 Firefox/2.0.0.6");

dann holst du dir das XML (also die HTML-seite):

PHP

$xmlDom = new DOMDocument;
$xmlDom->load("http://valide.xml.seite.at");

jetzt erstellen wir einen filter mit XSL:

PHP

$xsl = '<?xml version="1.0" encoding="UTF-8"?>
<xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
<xsl:template match="/html/body/erstesTag/zweitesTag">


<!-- zb erzeugen wir eine neue html-seite mit dem "gecrawlten" content: -->
<html>
<body>
<xsl:value-of select="@bestimmtesTagWelchesImZweitenTagEnthaltenIst" />
</body>
</html>


</xsl:template>
</xsl:stylesheet>';
$xslDom = new DOMDocument;
$xslDom->loadXML($xsl);

Alles anzeigen

danach müssen wir noch den filter anwenden:

PHP

$proc = new XSLTProcessor;
$proc->importStylesheet($xslDom);
$result = $proc->transformToXML($xmlDom);
echo $result;

eine simplere lösung wäre die seite per SimpleXML zu laden:

PHP

include("Var_Dump.php");
$bla = simplexml_load_file("http://valide.xml.seite.at");
Var_Dump::display($bla);

hucskfjs

Zitat von spinball

Nicht alle HTML-Tags müssen geschlossen werden, zB img oder option.
Ansonsten benutz doch das hier:

diebstahl.php

PHP

<?php
function diebstahl($url,$tag) {
    $content = file_get_contents($url);
    $reg = "/<$tag(.*)>(.+)<\/$tag>/i";
    preg_match_all($reg,$content,$matches);
    return preg_replace($reg,"\\2",$matches[0]);
}


echo "<pre>";
print_r(diebstahl("https://informatik-forum.at/showthread.php?p=600426","a"));
echo "</pre>";
?>

Alles anzeigen

danke funktioniert super. wo find ich info über diese zeichen /< (.*) etc.?

Zitat von cherrybonbon

vorrausgesetzt die einzulesende seite ist ein valides XML Dokument

Nein, es handelt sich um eine html seite mit links zu audio bzw video dateien

hucskfjs

(deleted)

Paulchen

Zitat von hucskfjs

danke funktioniert super. wo find ich info über diese zeichen /< (.*) etc.?

Auf php.net findest du zu allen in PHP integrierten Funktionen recht gute Dokumentation.

webseite auslesen

Jetzt mitmachen!

Benutzer online in diesem Thema