>  기사  >  백엔드 개발  >  网页表格信息抓取

网页表格信息抓取

WBOY
WBOY원래의
2016-06-23 14:22:181361검색



页面源代码如下:

<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN" "http://www.w3c.org/TR/1999/REC-html401-19991224/loose.dtd"><HTML><HEAD><TITLE></TITLE><META content="text/html; charset=GBK" http-equiv=Content-Type><META name=GENERATOR content="MSHTML 8.00.7601.18106"></HEAD><BODY><FORM method=post name=pusManageForm action=pus.do><INPUT type=hidden name=method> <INPUT value=15647695 type=hidden name=sid> <INPUT value=2 type=hidden name=partCount> <TABLE width="100%" align=center>  <TBODY>  <TR>    <TD>      <TABLE border=0 width="100%">        <TBODY>        <TR>          <TD width=10>  </TD>          <TD>            <TABLE border=0 cellSpacing=1 cellPadding=0 width="95%" align=center>              <TBODY>              <TR>                <TD height=40 align=left><B><FONT color=rgb(0,0,20)                   size=2>aaaaaa</FONT></B> <BR><B><FONT                   color=rgb(0,0,20) size=2>aaaaaa</FONT></B> </TD></TR>              <TR>                <TD height=40 align=left><FONT color=rgb(0,0,20)                   size=1>aaaaaa</FONT> <FONT color=rgb(0,0,20)                   size=1>xxxx(aaaaaa)</FONT> </TD></TR>              <TR>                <TD align=left><FONT color=rgb(0,0,20) size=1>aaaaaa</FONT> <FONT color=rgb(0,0,20) size=1>xxxx</FONT> </TD></TR>              <TR>                <TD align=left><FONT color=rgb(0,0,20) size=1>adress                   aaaaaa</FONT> <FONT color=rgb(0,0,20) size=1>adress</FONT>                 </TD></TR></TBODY></TABLE></TD>          <TD align=middle><IMG             src="http://aaa/DY/images/pus/DYNP_new.jpg"> </TD>          <TD align=right>            <TABLE border=0 cellSpacing=1 cellPadding=1 width="95%" align=center>              <TBODY>              <TR>                <TD align=right><B><FONT color=rgb(0,0,20)                   size=4>交货计划单</FONT></B> </TD></TR>              <TR>                <TD align=right><FONT color=rgb(0,0,20)                   size=1>计划到达时间   2013-09-16 </FONT></TD></TR>              <TR>                <TD align=right><FONT color=rgb(0,0,20) size=2>PUS编号                   770266110   版本00 </FONT></TD></TR>              <TR>                <TD align=right><FONT color=rgb(0,0,20) size=3>Customer 客户                   </FONT></TD></TR>              <TR>                <TD noWrap align=right><FONT size=+3                   face=C39P36DmTt color="blue">*DYNP-770266110-00*</FONT>           </TD></TR></TBODY></TABLE></TD>          <TD width=10>  </TD>        <TR></TR></TBODY></TABLE><BR>      <TABLE border=1 width="95%" align=center>        <TBODY>        <TR class=table_head>          <TD colSpan=4 align=left><B><FONT>Delivery Information             交货信息</FONT></B> </TD></TR>        <TR>          <TD size="20%"><B><FONT color=rgb(0,0,255)>工厂<BR>Plant</FONT></B> </TD>          <TD colSpan=3>xxxxxx          </TD></TR>        <TR class=table_c2>          <TD size="20%"><B><FONT color=rgb(0,0,255)>取货时间<BR>Pick Up             Time</FONT></B> </TD>          <TD size="30%"><font color = "blue">2013-09-09  16:30 </font></TD>          <TD size="20%"><B><FONT color=rgb(0,0,255)>需要供应商反馈<BR>Need Duns             Response</FONT></B> </TD>          <TD size="30%">N </TD></TR>        <TR>          <TD size="20%"><B><FONT color=rgb(0,0,255)>交货日期<BR>Delivery             Date</FONT></B>    </TD>          <TD size="30%">2013-09-16 </TD>          <TD size="20%"><B><FONT color=rgb(0,0,255)>窗口时间<BR>Window             Time</FONT></B> </TD>          <TD size="30%">16:30 </TD></TR>        <TR class=table_c2>          <TD><B><FONT color=rgb(0,0,255)>卸货口<BR>Dock</FONT></B> </TD>          <TD>CC-70D </TD>          <TD><B><FONT color=rgb(0,0,255)>卸货口负责人<BR>Dock Incharger</FONT></B>           </TD>          <TD>kkk</TD></TR>        <TR>          <TD><B><FONT color=rgb(0,0,255)>卸货口电话<BR>Dock Tel</FONT></B> </TD>          <TD>011-1111 </TD>          <TD><B><FONT color=rgb(0,0,255)>卸货口地址<BR>Dock Address</FONT></B> </TD>          <TD>adress </TD></TR>        <TR class=table_c2>          <TD size="20%"><B><FONT color=rgb(0,0,255)>交货地点<BR>Delivery             Place</FONT></B> </TD>          <TD colSpan=3></TD></TR>        <TR>          <TD><B><FONT color=rgb(0,0,255)>计划跟踪员<BR>Follow Up</FONT></B> </TD>          <TD>kkkk </TD>          <TD><B><FONT color=rgb(0,0,255)>计划跟踪员电话/传真<BR>FollowUp             Tel/Fax</FONT></B> </TD>          <TD>011-1111</TD></TR>        <TR class=table_c2>          <TD><B><FONT color=rgb(0,0,255)>交货说明<BR>Delivery Note</FONT></B> </TD>          <TD colSpan=3></TD></TR></TBODY></TABLE><BR>      <TABLE border=1 width="95%" align=center>        <TBODY>        <TR class=table_head>          <TD colSpan=14 align=left><B><FONT>Part Information 零件清单</FONT></B>           </TD></TR>        <TR>          <TD align=middle><FONT color=rgb(0,0,0)>序号</FONT></TD>          <TD align=middle><FONT color=rgb(0,0,0)>零件号</FONT></TD>          <TD align=middle><FONT color=rgb(0,0,0)>零件说明</FONT></TD>          <TD align=middle><FONT color=rgb(0,0,0)>需求数量</FONT></TD>          <TD align=middle><FONT color=rgb(0,0,0)>承诺数量</FONT></TD>          <TD align=middle><FONT color=rgb(0,0,0)>实收数量</FONT></TD>          <TD align=middle><FONT color=rgb(0,0,0)>包装数</FONT></TD>          <TD align=middle><FONT color=rgb(0,0,0)>料箱数</FONT></TD>          <TD align=middle><FONT color=rgb(0,0,0)>料箱号</FONT></TD>          <TD align=middle><FONT color=rgb(0,0,0)>实发料箱号</FONT></TD>          <TD align=middle><FONT color=rgb(0,0,0)>实发料箱数</FONT></TD>          <TD align=middle><FONT color=rgb(0,0,0)>实收料箱号</FONT></TD>          <TD align=middle><FONT color=rgb(0,0,0)>实收料箱数</FONT></TD>          <TD align=middle><FONT color=rgb(0,0,0)>备注</FONT></TD></TR>        <TR>          <TD align=middle>1</TD>          <TD align=middle><font color = "blue">12647212</font></TD>          <TD align=middle></TD>          <TD align=middle><font color = "blue">60</font></TD>          <TD align=middle>60 </TD>          <TD align=middle></TD>          <TD align=middle><font color = "blue">15</font></TD>          <TD align=middle><font color = "blue">4</font></TD>          <TD align=middle><font color = "blue">P000000D</font></TD>          <TD align=middle></TD>          <TD align=middle></TD>          <TD align=middle></TD>          <TD align=middle></TD>          <TD align=middle></TD></TR>        <TR class=table_c2>          <TD align=middle>2</TD>          <TD align=middle><font color = "blue">12654172</font></TD>          <TD align=middle></TD>          <TD align=middle><font color = "blue">615</font></TD>          <TD align=middle>615 </TD>          <TD align=middle></TD>          <TD align=middle><font color = "blue">15</font></TD>          <TD align=middle><font color = "blue">41</font></TD>          <TD align=middle><font color = "blue">P000000D</font></TD>          <TD align=middle></TD>          <TD align=middle></TD>          <TD align=middle></TD>          <TD align=middle></TD>          <TD align=middle></TD></TR></TBODY></TABLE><BR>      </FORM></BODY></HTML>

假设页面为test.html,且最后一个表格Part Information的内容不固定,可能是1行也可能是多行。
如果要求抓蓝色字体部分怎么做?寻求解决方案。


回复讨论(解决方案)

循环table的tr,直接抓取td的值

这个页面本身返回数据的时候就有蓝色在上面吗?若是,则

<?php$string = '<TABLE width="100%" align=center>  <TBODY>  <TR>    <TD>      <TABLE border=0 width="100%">        <TBODY>        <TR>          <TD width=10>  </TD>          <TD>            <TABLE border=0 cellSpacing=1 cellPadding=0 width="95%" align=center>              <TBODY>              <TR>                <TD height=40 align=left><B><FONT color=rgb(0,0,20)                   size=2>aaaaaa</FONT></B> <BR><B><FONT                   color=rgb(0,0,20) size=2>aaaaaa</FONT></B> </TD></TR>              <TR>                <TD height=40 align=left><FONT color=rgb(0,0,20)                   size=1>aaaaaa</FONT> <FONT color=rgb(0,0,20)                   size=1>xxxx(aaaaaa)</FONT> </TD></TR>              <TR>                <TD align=left><FONT color=rgb(0,0,20) size=1>aaaaaa</FONT> <FONT color=rgb(0,0,20) size=1>xxxx</FONT> </TD></TR>              <TR>                <TD align=left><FONT color=rgb(0,0,20) size=1>adress                   aaaaaa</FONT> <FONT color=rgb(0,0,20) size=1>adress</FONT>                 </TD></TR></TBODY></TABLE></TD>          <TD align=middle><IMG             src="http://aaa/DY/images/pus/DYNP_new.jpg"> </TD>          <TD align=right>            <TABLE border=0 cellSpacing=1 cellPadding=1 width="95%" align=center>              <TBODY>              <TR>                <TD align=right><B><FONT color=rgb(0,0,20)                   size=4>交货计划单</FONT></B> </TD></TR>              <TR>                <TD align=right><FONT color=rgb(0,0,20)                   size=1>计划到达时间   2013-09-16 </FONT></TD></TR>              <TR>                <TD align=right><FONT color=rgb(0,0,20) size=2>PUS编号                   770266110   版本00 </FONT></TD></TR>              <TR>                <TD align=right><FONT color=rgb(0,0,20) size=3>Customer 客户                   </FONT></TD></TR>              <TR>                <TD noWrap align=right><FONT size=+3                   face=C39P36DmTt color="blue">*DYNP-770266110-00*</FONT>           </TD></TR></TBODY></TABLE></TD>          <TD width=10>  </TD>        <TR></TR></TBODY></TABLE><BR>      <TABLE border=1 width="95%" align=center>        <TBODY>        <TR class=table_head>          <TD colSpan=4 align=left><B><FONT>Delivery Information             交货信息</FONT></B> </TD></TR>        <TR>          <TD size="20%"><B><FONT color=rgb(0,0,255)>工厂<BR>Plant</FONT></B> </TD>          <TD colSpan=3>xxxxxx          </TD></TR>        <TR class=table_c2>          <TD size="20%"><B><FONT color=rgb(0,0,255)>取货时间<BR>Pick Up             Time</FONT></B> </TD>          <TD size="30%"><font color = "blue">2013-09-09  16:30 </font></TD>          <TD size="20%"><B><FONT color=rgb(0,0,255)>需要供应商反馈<BR>Need Duns             Response</FONT></B> </TD>          <TD size="30%">N </TD></TR>        <TR>          <TD size="20%"><B><FONT color=rgb(0,0,255)>交货日期<BR>Delivery             Date</FONT></B>    </TD>          <TD size="30%">2013-09-16 </TD>          <TD size="20%"><B><FONT color=rgb(0,0,255)>窗口时间<BR>Window             Time</FONT></B> </TD>          <TD size="30%">16:30 </TD></TR>        <TR class=table_c2>          <TD><B><FONT color=rgb(0,0,255)>卸货口<BR>Dock</FONT></B> </TD>          <TD>CC-70D </TD>          <TD><B><FONT color=rgb(0,0,255)>卸货口负责人<BR>Dock Incharger</FONT></B>           </TD>          <TD>kkk</TD></TR>        <TR>          <TD><B><FONT color=rgb(0,0,255)>卸货口电话<BR>Dock Tel</FONT></B> </TD>          <TD>011-1111 </TD>          <TD><B><FONT color=rgb(0,0,255)>卸货口地址<BR>Dock Address</FONT></B> </TD>          <TD>adress </TD></TR>        <TR class=table_c2>          <TD size="20%"><B><FONT color=rgb(0,0,255)>交货地点<BR>Delivery             Place</FONT></B> </TD>          <TD colSpan=3></TD></TR>        <TR>          <TD><B><FONT color=rgb(0,0,255)>计划跟踪员<BR>Follow Up</FONT></B> </TD>          <TD>kkkk </TD>          <TD><B><FONT color=rgb(0,0,255)>计划跟踪员电话/传真<BR>FollowUp             Tel/Fax</FONT></B> </TD>          <TD>011-1111</TD></TR>        <TR class=table_c2>          <TD><B><FONT color=rgb(0,0,255)>交货说明<BR>Delivery Note</FONT></B> </TD>          <TD colSpan=3></TD></TR></TBODY></TABLE><BR>      <TABLE border=1 width="95%" align=center>        <TBODY>        <TR class=table_head>          <TD colSpan=14 align=left><B><FONT>Part Information 零件清单</FONT></B>           </TD></TR>        <TR>          <TD align=middle><FONT color=rgb(0,0,0)>序号</FONT></TD>          <TD align=middle><FONT color=rgb(0,0,0)>零件号</FONT></TD>          <TD align=middle><FONT color=rgb(0,0,0)>零件说明</FONT></TD>          <TD align=middle><FONT color=rgb(0,0,0)>需求数量</FONT></TD>          <TD align=middle><FONT color=rgb(0,0,0)>承诺数量</FONT></TD>          <TD align=middle><FONT color=rgb(0,0,0)>实收数量</FONT></TD>          <TD align=middle><FONT color=rgb(0,0,0)>包装数</FONT></TD>          <TD align=middle><FONT color=rgb(0,0,0)>料箱数</FONT></TD>          <TD align=middle><FONT color=rgb(0,0,0)>料箱号</FONT></TD>          <TD align=middle><FONT color=rgb(0,0,0)>实发料箱号</FONT></TD>          <TD align=middle><FONT color=rgb(0,0,0)>实发料箱数</FONT></TD>          <TD align=middle><FONT color=rgb(0,0,0)>实收料箱号</FONT></TD>          <TD align=middle><FONT color=rgb(0,0,0)>实收料箱数</FONT></TD>          <TD align=middle><FONT color=rgb(0,0,0)>备注</FONT></TD></TR>        <TR>          <TD align=middle>1</TD>          <TD align=middle><font color = "blue">12647212</font></TD>          <TD align=middle></TD>          <TD align=middle><font color = "blue">60</font></TD>          <TD align=middle>60 </TD>          <TD align=middle></TD>          <TD align=middle><font color = "blue">15</font></TD>          <TD align=middle><font color = "blue">4</font></TD>          <TD align=middle><font color = "blue">P000000D</font></TD>          <TD align=middle></TD>          <TD align=middle></TD>          <TD align=middle></TD>          <TD align=middle></TD>          <TD align=middle></TD></TR>        <TR class=table_c2>          <TD align=middle>2</TD>          <TD align=middle><font color = "blue">12654172</font></TD>          <TD align=middle></TD>          <TD align=middle><font color = "blue">615</font></TD>          <TD align=middle>615 </TD>          <TD align=middle></TD>          <TD align=middle><font color = "blue">15</font></TD>          <TD align=middle><font color = "blue">41</font></TD>          <TD align=middle><font color = "blue">P000000D</font></TD>          <TD align=middle></TD>          <TD align=middle></TD>          <TD align=middle></TD>          <TD align=middle></TD>          <TD align=middle></TD></TR></TBODY></TABLE><BR>';$result = array();preg_match_all('#<font\s*color\s*=\s*"blue">(.*)</font>#iUus',$string,$result);print_r($result[1]);


本身要是没蓝色的(id,class之类的也没有的)话那就只能全部单元格正则匹配出来按页面结构需要来取了

本身要是没蓝色的(id,class之类的也没有的)话那就只能全部单元格正则匹配出来按页面结构需要来取了
本身无颜色区分,只是我标识出来的罢了。

$s 为你提供的页面内容

preg_match_all('#<td.+/td>#isU', $s, $r);$r = array_map('trim', array_map('strip_tags', $r[0]));print_r($r);
Array(    [0] =>      [1] => aaaaaa aaaaaa    [2] => aaaaaa xxxx(aaaaaa)    [3] => aaaaaa xxxx    [4] => adress                   aaaaaa adress    [5] =>     [6] => 交货计划单    [7] => 计划到达时间   2013-09-16    [8] => PUS编号                   770266110   版本00    [9] => Customer 客户    [10] => *DYNP-770266110-00*    [11] =>      [12] => Delivery Information             交货信息    [13] => 工厂Plant    [14] => xxxxxx    [15] => 取货时间Pick Up             Time    [16] => 2013-09-09  16:30    [17] => 需要供应商反馈Need Duns             Response    [18] => N    [19] => 交货日期Delivery             Date       [20] => 2013-09-16    [21] => 窗口时间Window             Time    [22] => 16:30    [23] => 卸货口Dock    [24] => CC-70D    [25] => 卸货口负责人Dock Incharger    [26] => kkk    [27] => 卸货口电话Dock Tel    [28] => 011-1111    [29] => 卸货口地址Dock Address    [30] => adress    [31] => 交货地点Delivery             Place    [32] =>     [33] => 计划跟踪员Follow Up    [34] => kkkk    [35] => 计划跟踪员电话/传真FollowUp             Tel/Fax    [36] => 011-1111    [37] => 交货说明Delivery Note    [38] =>     [39] => Part Information 零件清单    [40] => 序号    [41] => 零件号    [42] => 零件说明    [43] => 需求数量    [44] => 承诺数量    [45] => 实收数量    [46] => 包装数    [47] => 料箱数    [48] => 料箱号    [49] => 实发料箱号    [50] => 实发料箱数    [51] => 实收料箱号    [52] => 实收料箱数    [53] => 备注    [54] => 1    [55] => 12647212    [56] =>     [57] => 60    [58] => 60    [59] =>     [60] => 15    [61] => 4    [62] => P000000D    [63] =>     [64] =>     [65] =>     [66] =>     [67] =>     [68] => 2    [69] => 12654172    [70] =>     [71] => 615    [72] => 615    [73] =>     [74] => 15    [75] => 41    [76] => P000000D    [77] =>     [78] =>     [79] =>     [80] =>     [81] => )
读取某项内容不是什么难事吧?
//第二个表从下标 40 开始,14 列$t = array_chunk(array_slice($r, 40), 14);for($i=1; $i<count($t); $i++)   $res[] = array_combine($t[0], $t[$i]);print_r($res);
Array(    [0] => Array        (            [序号] => 1            [零件号] => 12647212            [零件说明] =>             [需求数量] => 60            [承诺数量] => 60            [实收数量] =>             [包装数] => 15            [料箱数] => 4            [料箱号] => P000000D            [实发料箱号] =>             [实发料箱数] =>             [实收料箱号] =>             [实收料箱数] =>             [备注] =>         )    [1] => Array        (            [序号] => 2            [零件号] => 12654172            [零件说明] =>             [需求数量] => 615            [承诺数量] => 615            [实收数量] =>             [包装数] => 15            [料箱数] => 41            [料箱号] => P000000D            [实发料箱号] =>             [实发料箱数] =>             [实收料箱号] =>             [实收料箱数] =>             [备注] =>         ))

preg_match_all('#

#isU', $s, $r);

这个正则这么用啊?感谢!

preg_match_all('#

#isU', $s, $r);
如果有的页面取的值的项不同,怎么求那些项?
例如:[10] => *DYNP-770266110-00* ,有时候是[12] => *DYNP-770266110-00*。
但是前一项的值都是一样的,只是键值不同。例:[9] => Customer 客户这项。

那就是你的问题了
一般说明文字与数据总是配对的,并且说明文字在前,数据在后

那就是你的问题了
一般说明文字与数据总是配对的,并且说明文字在前,数据在后

如果在1楼之前还有一个table,那么array_combine会有一个warning提示。

      <TABLE width="95%" align=center border=0>        <TBODY>        <TR>          <TD align=left width="44%"><B><FONT size=1>Supplier             Signature                           Carrier Signature<BR>供应商签字</FONT></B><FONT size=2>             <B><FONT size=+0>_____________</FONT></B> <B>               承运商</B></FONT><FONT size=2><B>签字</B> </FONT><B><FONT             size=1>_____________</FONT></B></TD>          <TD align=right width="45%"><B><FONT size=1>Supplier Confirm             Time    <BR>供应商确认时间 13-09-10 09:01         </FONT></B></TD></TR>        <TR>          <TD align=left width="55%"><B><FONT size=1>Receiver Signature             <BR>收货人签字</FONT></B><FONT size=2> <B><FONT             size=+0>_______________</FONT></B> </FONT></TD>          <TD align=right width="45%"><B><FONT size=1><BR>Date             日期</FONT></B><FONT size=2> <B><FONT             size=+0>______________</FONT></B> </FONT></TD></TR>        <TR>          <TD align=middle colSpan=2><B>*** END OF PAGE ***</B>       </TD></TR></TBODY></TABLE></TD></TR></TBODY></TABLE>

如何把这个table的信息过滤掉?

성명:
본 글의 내용은 네티즌들의 자발적인 기여로 작성되었으며, 저작권은 원저작자에게 있습니다. 본 사이트는 이에 상응하는 법적 책임을 지지 않습니다. 표절이나 침해가 의심되는 콘텐츠를 발견한 경우 admin@php.cn으로 문의하세요.