PHP实现HTML表格转JSON：解决链接与名称获取异常问题

咱们来一步步修复你的代码问题，搞定这三个核心痛点：过滤无效的表头数据、正确抓取用户链接、清理名称里的多余空白。

问题拆解与修复思路 #

1. 剔除表头行：你现在遍历了所有<tr>元素，连<thead>里的表头也混进去了，这才导致无效数据出现。咱们得只处理<tbody>里面的内容行。
2. 正确获取用户链接：你之前拿到的是DOMNodeList对象，不是实际的链接地址，得从<a>标签里提取href属性值。目标列里有两个<a>，它们的href是一样的，取第二个（带用户名的那个）更直观。
3. 清理名称的多余空白：直接用textContent会带上HTML里的换行和空格，要么提取第二个<a>的文本，要么用trim()函数把多余空白清掉。

修改后的完整PHP代码 #

header("Access-Control-Allow-Origin: *");
header('Content-Type: application/json');
error_reporting(E_ERROR | E_PARSE);

$time_start = microtime(true);
$allUsers = [];

$link = 'http://rudraproduction.in/htmltable.php';
$htmlContent = file_get_contents($link);

$dom = new DOMDocument;
// 忽略HTML解析警告，避免页面结构不规范导致报错
libxml_use_internal_errors(true);
$dom->loadHTML($htmlContent);
libxml_clear_errors();

// 定位目标表格和tbody
$tables = $dom->getElementsByTagName('table');
$targetTable = $tables->item(0);
$tbody = $targetTable->getElementsByTagName('tbody')->item(0);
$rows = $tbody->getElementsByTagName('tr');

foreach ($rows as $row) {
    $cells = $row->getElementsByTagName('td');
    
    // 处理第一列：提取用户链接和名称
    $nameCell = $cells->item(0);
    $linkElements = $nameCell->getElementsByTagName('a');
    $userLink = $linkElements->item(1)->getAttribute('href');
    $name = $linkElements->item(1)->textContent;
    
    // 处理其他字段，用trim清理多余空白
    $height = trim($cells->item(1)->textContent);
    $weight = trim($cells->item(2)->textContent);
    $date = trim($cells->item(3)->textContent);
    $info = trim($cells->item(4)->textContent);
    // 提取国家文本
    $country = $cells->item(5)->getElementsByTagName('a')->item(0)->textContent;
    
    $allUsers[] = [
        "user_link" => $userLink,
        "name" => $name,
        "height" => $height,
        "weight" => $weight,
        "date" => $date,
        "info" => $info,
        "country" => $country
    ];
}

echo json_encode($allUsers, JSON_PRETTY_PRINT);

关键修改说明 #

• 添加HTML错误抑制：用libxml_use_internal_errors(true)忽略页面可能存在的格式不规范警告，避免解析失败。
• 精准定位内容行：只遍历<tbody>内的<tr>，彻底排除表头数据。
• 直接提取目标元素：从指定<a>标签获取链接和名称，既避免了空白问题，又拿到了正确的链接值。
• 统一清理空白：对所有文本字段使用trim()，确保输出数据干净整洁。

这样调整后，输出的JSON就完全符合你的预期啦。

内容的提问来源于stack exchange，提问作者Chauhan Ajay