如何用PHP从HTML提取指定属性并更新数据库？技术实现求助

需求概述 #

需要从files/world/目录下的HTML文件中，提取所有<area>标签的coords属性、href参数中的id值（需解码URL编码）以及alt属性；将提取到的数据整理后，更新数据库hello_world表的content列。

相关代码片段 #

HTML示例代码 #

<map id="qmap" name="qmap">
    <area shape="rect" coords="430,255,665,304" href="abc.php?qmap=Good World&id=%25SSP%2550469%25" onclick="if( parent.document.body.rows == '*,0' ) parent.document.body.rows = '25%,75%'" alt="SSP 50469" target="content" />
    <area shape="rect" coords="457,97,691,116" href="abc.php?qmap=Good World&id=%25SSP%2541175-02%25" onclick="if( parent.document.body.rows == '*,0' ) parent.document.body.rows = '25%,75%'" alt="SSP 41175 Bk 2" target="content" />
</map>

现有PHP代码片段 #

if (condition) {
    $html = file_get_contents('files/world/'.$world.'.html'); // Line A
    // parse the HTML, extract the data, and update the database with the information found in the HTML file (Line B)
}

数据库更新参考语句 #

$db->query("UPDATE `hello_world` SET `content` = '' WHERE `id` = '$file_id'");

Line B 完善实现 #

推荐使用PHP内置的DOMDocument解析HTML（避免正则解析的兼容性问题），同时用预处理语句防止SQL注入，具体代码如下：

if (condition) {
    $html = file_get_contents('files/world/'.$world.'.html'); // Line A
    
    // Line B 开始
    libxml_use_internal_errors(true); // 禁用HTML解析错误提示
    $dom = new DOMDocument();
    $dom->loadHTML($html);
    libxml_clear_errors();

    $areas = $dom->getElementsByTagName('area');
    $extractedData = [];

    foreach ($areas as $area) {
        // 提取coords属性
        $coords = $area->getAttribute('coords');
        // 提取并解析href中的id参数
        $href = $area->getAttribute('href');
        parse_str(parse_url($href, PHP_URL_QUERY), $queryParams);
        $id = isset($queryParams['id']) ? urldecode($queryParams['id']) : '';
        // 提取alt属性
        $alt = $area->getAttribute('alt');

        $extractedData[] = [
            'coords' => $coords,
            'id' => $id,
            'alt' => $alt
        ];
    }

    // 将提取的数据整理成适合存入content列的格式（示例转为JSON）
    $content = json_encode($extractedData, JSON_UNESCAPED_UNICODE);

    // 使用预处理语句更新数据库，防止SQL注入
    $stmt = $db->prepare("UPDATE `hello_world` SET `content` = ? WHERE `id` = ?");
    $stmt->bind_param("ss", $content, $file_id);
    $stmt->execute();
    $stmt->close();
    // Line B 结束
}

代码说明 #

1. HTML解析：用DOMDocument加载HTML，通过getElementsByTagName获取所有<area>标签，比正则解析更稳定可靠。
2. 数据提取：
   • 直接通过getAttribute获取coords和alt属性；
   • 对href先解析URL参数，再对id值做URL解码（处理示例中的%25等编码）；
3. 数据库更新：用预处理语句绑定参数，避免SQL注入风险；提取的数据转为JSON格式存入content列（可根据实际需求调整存储格式）。

内容的提问来源于stack exchange，提问作者flash