Парсер

tartar

Сообщения: 186 Репутация: N Группа: Кто попало
4 марта 2011 г. 22:34
Пыха Привет!

Делаю парсер для одного сайта для гавно-сайта (сателлит)
Нужно спиздить текст например отсюда http://www.homebusiness.ru/ideas/1592.htm

Весь текст заключается в



ТЕКСТ



Я хз попробовал так

<?php function conv($text) { return iconv("windows-1251", "utf-8", $text); } $string = conv(file_get_contents("http://www.homebusiness.ru/ideas/1592.htm")); $start = explode("", $string); echo $start[1]; ?>

массив должен выдать текст до || и после него
$start[0] - выводит весь код сайта
$start[1] - пуст

Покажите пример как получить из $string текст
Начиная с "Автор идеи:…." до "Подпишитесь прямо сейчас на рассылку…"
текст статьи нужен но не получается =\
technobulka

Сообщения: 4540 Репутация: N Группа: Джедаи
5 марта 2011 г. 0:05, спустя 1 час 31 минуту 10 секунд
ну, для начала у них

, а не


если меня не наебывает "исходный код страницы"))

по сабжу, дергай регуляркой… например такой:
/(.+)(?<=/font>)/

не проверял, может не работать))
Высокоуровневое абстрактное говно

Сообщения: 574 Репутация: N Группа: Джедаи

5 марта 2011 г. 0:34, спустя 28 минут 43 секунды

if (preg_match_all("#<font\s+size=[\"']\d[\"']\s+face=[\"']Verdana[\"'][^>]*>(.+?)</font>#si", $string, $pockets)) {
    print_r($pockets[1]);
    echo "<p>" . implode("</p><p>", $pockets[1]) . "</p>";
}
else {
    echo "wtfu";
}

Work, buy, consume, die

tartar

Сообщения: 186 Репутация: N Группа: Кто попало
5 марта 2011 г. 18:09, спустя 17 часов 34 минуты 53 секунды
Nyaah, Спасибо, получилось то что мне нужно.
На этом сайте структура вывода статей не одинаковая, иногда не выводит автора
потому что там идет

Автор идеи:

Скрипт ищет
Автор идеи:

preg_match_all("#<font\s+face=[\"']Verdana[\"']\s+size=[\"']\d[\"'][^>]*>(.+?)#si", $string, $pockets)

Что нужно в регулярку прописать чтобы не обязательно но искал и этот кусок ?
krasun

Сообщения: 1370 Репутация: N Группа: Джедаи

5 марта 2011 г. 18:23, спустя 14 минут 25 секунд

Нормальное решение для парсинга пары строчек, но на будущее: Парсинг HTML: путь Ктулху!
tartar

Сообщения: 186 Репутация: N Группа: Кто попало
5 марта 2011 г. 18:39, спустя 16 минут 25 секунд
krasun,
"использование регулярных выражений для парсинга HTML это в основном плохая идея"

Чем парсить HTML ? про ктулху понял про html нет )
<cthulhu>o_O</cthulhu>
krasun

Сообщения: 1370 Репутация: N Группа: Джедаи

5 марта 2011 г. 19:07, спустя 27 минут 44 секунды

tartar, да я, наверное, плохо перевел. Но если в двух словах, то смысл такой:
1) Использовать regex для парсинга HTML нельзя, нужно использовать специальные движки.
2) Если нужно парсить две-три строчки и в будущем твоя программа расширятся не будет, то можно и попробовать использовать regex.
Спустя 18 сек.
В твоем, случае все в порядке.
technobulka

Сообщения: 4540 Репутация: N Группа: Джедаи

5 марта 2011 г. 20:06, спустя 58 минут 42 секунды

Что нужно в регулярку прописать чтобы не обязательно но искал и этот кусок ?

#<font\s+(color="#000000"\s)?face=[\"']Verdana[\"']\s+size=[\"']\d[\"'][^>]*>(.+?)#si

Высокоуровневое абстрактное говно
tartar

Сообщения: 186 Репутация: N Группа: Кто попало

5 марта 2011 г. 21:35, спустя 1 час 28 минут 38 секунд

Stasovsky, Если ставить так до до для # тоже нужно поставить \# ?
выдает ошибку

на этом сайте который хочу парсить 101 долбаных ситуации нет стабильного тега за которого можно ухватится после 10+ страниц меняется тег и все

вот хочу уточнить

#(<p\salign=\"left\">)?<font\s+face=[\"']Verdana[\"']\s+size=[\"']\d[\"'][^>]*>(.+?)#si
проблема в его иногда нет вот, если я правильно указал выражение =\
technobulka

Сообщения: 4540 Репутация: N Группа: Джедаи

5 марта 2011 г. 22:09, спустя 34 минуты 25 секунд

ну экранируй и # и кавычки…

101 долбаных ситуации нет стабильного тега за которого можно ухватится

для этого и нужна регулярка))

Высокоуровневое абстрактное говно
tartar

Сообщения: 186 Репутация: N Группа: Кто попало

5 марта 2011 г. 22:46, спустя 36 минут 51 секунду

вопрос в том правильно ли я поставил регулярку (<p\salign=\"left\">)? вначале, иногда его его нет, вот и нужно чтобы проверяло с ним и без него

#(<p\salign=\"left\">)?<font\s+face=[\"']Verdana[\"']\s+size=[\"']\d[\"'][^>]*>(.+?)#si

эх… возьмусь я за регулярные выражения учить >_<
krasun

Сообщения: 1370 Репутация: N Группа: Джедаи

5 марта 2011 г. 22:52, спустя 5 минут 51 секунду

на этом сайте который хочу парсить 101 долбаных ситуации нет стабильного тега за которого можно ухватится после 10+ страниц меняется тег и все

Вот в таких случаях используют движки и не парятся.
tartar

Сообщения: 186 Репутация: N Группа: Кто попало

5 марта 2011 г. 23:05, спустя 13 минут 23 секунды

krasun, поделитесь пожалуйста ссылкой на официальный сайт такого движка, если есть.
Faster

Сообщения: 1159 Репутация: N Группа: Кто попало

5 марта 2011 г. 23:26, спустя 20 минут 55 секунд

почитай про phpQuery
tartar

Сообщения: 186 Репутация: N Группа: Кто попало

6 марта 2011 г. 1:00, спустя 1 час 34 минуты 1 секунду

Faster, Спасибо.

Так же нашел PHP Simple HTML DOM Parser показался прост в использовании, посмотрим что получится.

Stasovsky, krasun, Nyaah, Спасибо за помощь

Пожалуйста, авторизуйтесь, чтобы написать комментарий!

Парсер

Войти