PHP使用cURL获取HTML后如何将td元素值存储到变量
实现拆分获取td值的两种方案
1. 适配你现有正则流程的快速实现
你当前已经通过正则匹配到了完整的tbody内容,只需要在原有匹配逻辑中追加一层针对td的匹配即可:
把你原有代码中匹配到tbody后的分支替换为以下内容:
if( preg_match($pattern, $strPage, $match)){ $catch = $match[0]; // 兼容带属性的td标签,匹配所有td内部的内容 $tdPattern = '#<td[^>]*>(.*?)</td>#is'; preg_match_all($tdPattern, $catch, $tdMatches); // 拿到所有td的内容,做去除首尾空格处理 $tdValues = array_map('trim', $tdMatches[1]); // 把每个td值按顺序赋值给独立变量($td1、$td2对应第一个、第二个td内容) foreach ($tdValues as $index => $tdContent) { ${'td'.($index + 1)} = $tdContent; } // 验证输出 print_r($tdValues); }
注意:这种正则方式局限性很强,如果HTML结构有变动(比如td内部嵌套其他标签、标签换行书写、属性顺序调整),很容易出现匹配失效的问题,仅适合结构完全固定、不会变动的爬取场景。
2. 稳定的DOM解析方案(推荐使用)
PHP原生内置DOMDocument扩展,无需额外安装依赖,对不规范HTML的兼容性远好于正则写法,哪怕HTML结构有轻微变动、带嵌套标签也不容易解析失效,适配你现有cURL流程的完整实现如下:
// 你原有cURL爬取的逻辑保持不变,拿到$strPage之后接以下代码 libxml_use_internal_errors(true); // 抑制不规范HTML产生的警告 $dom = new DOMDocument(); $dom->loadHTML($strPage); libxml_clear_errors(); $xpath = new DOMXPath($dom); // 精准定位目标tbody下的所有td元素 $tdNodeList = $xpath->query('//tbody[@class="highlighted"]//td'); $tdValues = []; foreach ($tdNodeList as $node) { // 如果要获取td内的纯文本值,用下面这行 $tdValues[] = trim($node->nodeValue); // 如果需要获取td完整的innerHTML,替换为下面的写法 // $tdValues[] = trim($dom->saveHTML($node)); } // 同样支持拆为独立变量存储 foreach ($tdValues as $index => $value) { ${'td'.($index + 1)} = $value; } var_dump($td1, $td2, $td3, $td4, $td5);
提示:如果爬取的td数量不固定,建议直接用数组存储结果,不要强制拆成独立变量,避免出现变量未定义的报错。
内容的提问来源于stack exchange,提问作者melvin manangan
相关产品推荐
相关产品推荐

