Bóc tách nội dung html của trang bất kỳ

Code này dựa vào việc phân tích định dạng của 1 trang web sau khi được tải về

Sau khi được tải về nội dung sẽ  được Phân tích tìm  vị trí để lấy đúng nội dung cần tải .Dựa vào các thẻ của html như span div  table tr td mà từ đó lấy ra nội dung trong các tab đó

Đây là  1 vài ví dụ trong code có sẵn ta xem cách nó làm việc

<?php

include('../simple_html_dom.php');  nạp thư viện

đưa đường dẫn để ta có thể  đọc mã html của trang web đó

$html = file_get_html('http://www.google.com/');

// find all link

foreach($html->find('a') as $e)

    echo $e->href . '<br>';

// find all image

foreach($html->find('img') as $e)

    echo $e->src . '<br>';

// find all image with full tag

foreach($html->find('img') as $e)

    echo $e->outertext . '<br>';

// find all div tags with id=gbar

foreach($html->find('div#gbar') as $e)

    echo $e->innertext . '<br>';

// find all span tags with class=gb1

foreach($html->find('span.gb1') as $e)

    echo $e->outertext . '<br>';

// find all td tags with attribite align=center

foreach($html->find('td[align=center]') as $e)

    echo $e->innertext . '<br>';

   

// extract text from table

echo $html->find('td[align="center"]', 1)->plaintext.'<br><hr>';

// extract text from HTML

echo $html->plaintext;

?>

Tuy nhiên, hạn chế của việc phân tích mã html là phải xác định đường dẫn đến vùng nội dung chính trước khi bóc tách đối với mỗi domain.

Ta phải phân tích html trang đó rồi mới tiến hành sửa code bóc tách nội dung.

link down class here