Parsear HTML

[jmaribau]

Hola phpadictos,

Tengo que extraer datos de html, pero la manera que lo estoy haciendo no me acaba de gustar, pq las paginas son bastante estables. El problema viene a la hora de parsear html cuando el contenido es estructurado pero variable.

Cómo lo haceis para parsear html? Se puede usar Dom para parseralo cómo si fuera un html?

Yo lo hago, usando explode(' ',$html), pero es muy débil pq cualquier insercción de nuevas palabras hacen que los indices cambien.

Gracias.

[Cluster]

Tal vez te vendría mejor usar expresiones regulares y crear el patrón que más te adecue en lugar de acceder a un indice concreto que es donde en algún momento el dato está ahí.

Un saludo,

[jmaribau]

Cluster, y hacerlo como si se tratara de xml con dom?
Cómo lo hace la gente normalmente?

Voy faltal de expressiones regulares. Tendria que capturar los datos de una tabla:
preg_match_all ('/<td>([^"]+)</td>/',$html,$img);

pero no me funciona.

[Cluster]

mm Hacerlo como si se tratase de un XML .. no creo que funcione correctamente, fijate que XML tiene su estructura dada con sus nodos y demás. Creo que por lo poco estricto que suele ser el HTML que se vé no sé como andaría el tema.

Sobre expresiones regulares no te puedo ayudar mucho por mi parte (no son mi fuerte) .. pero, ahí queda tu pregunta para ver si otro compañero te puede ayudar.

Un saludo,