Leer contenido entre etiquetas html

gesking · #1 (**permalink**) 06/06/2011, 11:35

Hola, necesito sacar informacion de una pagina que esta en html que se renueva constantemente.

Son 5 contenidos que los 5 justo (por suerte) estan entre las mismas etiquetas

Esta entre <td style="width: 168px"> y </td>

Son 5, uno abajo de otro.

Como lo puedo hacer?

Gracias

abimaelrc · #2 (**permalink**) 06/06/2011, 11:38

Con expresiones regulares (el menos recomendado), con DOM o SimpleXML (estos dos recomendados).

stramin · #3 (**permalink**) 06/06/2011, 12:27

supongo que las opciones que da abimaelrc deben ser las mejores, sin embargo yo lo haría así:

Código PHP:

  <?php 
for($f=0;$start=strpos($html,'<td style="width: 168px">');$f++){ //mientras exista esta etiqueta
    $html=substr($html,$start+25); //tomas toda la cadena desde que se cierra el primer tag
    $cont[$f]=substr($html,0,strpos($html,'</td>')); //hasta que se inicie el segundo tag
}
?>

de este modo te quedaría el contenido de la primera etiqueta en $cont[0], el segundo en $cont[1], luego $cont[2] y así hasta $cont[4].

abimaelrc · #4 (**permalink**) 06/06/2011, 12:30

stramin, te recomiendo que leas sobre DOM o SimpleXML y vas a ver que con dos o tres líneas hasta prendes la luz de tu cuarto

Bueno si tienes un sistema que lea un xml sí funcionaría

stramin · #5 (**permalink**) 06/06/2011, 12:39

el problema es que a abimaelrc le gusta hacerse el misterioso con frases como:

"eso lo logras más fácilmente con insertWeirdAcronym"

pero no me sirve mucho que digamos XD

he revisado algunas funciones de DOM pero... sería mejor si pusieses algún código o ejemplo, sobretodo si es tan fácil como dices. XD

memoadian · #6 (**permalink**) 06/06/2011, 12:53

es que abimael va unos años adelante de nosotros.

yo hubiera elegido las expresiones regulares,

abimaelrc · #7 (**permalink**) 06/06/2011, 13:00

Algo así

Código PHP:

Ver original<?php
$html = <<<HTML
<html>
<head>
<title>FooBar</title>
</head>
<body>
<table>
    <tr>
        <td>foo</td>
        <td>bar</td>
        <td>baz</td>
        <td>candy</td>
        <td>fruits</td>
        <td>vegetables</td>
    </tr>
</table>
</body>
</html>
HTML;
 
$doc = new DOMDocument();
$doc->loadHTML($html);
foreach($doc->getElementsByTagName('td') as $v){
    echo $v->firstChild->nodeValue . '<br />';
}

abimaelrc · #8 (**permalink**) 06/06/2011, 13:04

Cita:

Iniciado por memoadian

es que abimael va unos años adelante de nosotros.

No hombre si usar SimpleXML o DOM es algo básico (bueno básico intermedio). Si lo dominas en un lenguaje (o sea DOM) lo dominas casi en todos los lenguajes.

memoadian · #9 (**permalink**) 06/06/2011, 13:07

pues si pero me referia a tus frases misteriosas :D

stramin · #10 (**permalink**) 06/06/2011, 13:10

y como sería para encontrar todas las <td style="width: 168px"> y no todos los <td>?

estuve revisando y solo encontré:

getElementsByTagName
getElementsById
getElementsByTagNameNS

pero nada para encontrar atributos o valores

abimaelrc · #11 (**permalink**) 06/06/2011, 13:18

Podrías hacerlo de esta forma

Código PHP:

Ver original<?php
$html = <<<HTML
<html>
<head>
<title>FooBar</title>
</head>
<body>
<table id="foo">
    <tr>
        <td style="width: 168px">foo</td>
        <td>bar</td>
        <td style="width: 168px">baz</td>
        <td>candy</td>
        <td style="width: 168px">fruits</td>
        <td>vegetables</td>
    </tr>
</table>
 
<table id="bar">
    <tr>
        <td>foo1</td>
        <td>bar2</td>
        <td>baz3</td>
        <td>candy4</td>
        <td>fruits5</td>
        <td>vegetables6</td>
    </tr>
</table>
</body>
</html>
HTML;
 
$doc = new DOMDocument();
$doc->loadHTML($html);
$xpath = new DOMXPath($doc);
foreach($xpath->query('//table[@id="foo"]//td[@style="width: 168px"]') as $v){
    echo $v->firstChild->nodeValue . '<br />';
}

Edito:
Y si quieres todos los td, no importando en que tabla se encuentra y que sea específico con lo que me indicaste, lo puedes hacer así:

Código PHP:

Ver original<?php
$html = <<<HTML
<html>
<head>
<title>FooBar</title>
</head>
<body>
<table id="foo">
    <tr>
        <td style="width: 168px">foo</td>
        <td>bar</td>
        <td style="width: 168px">baz</td>
        <td>candy</td>
        <td style="width: 168px">fruits</td>
        <td>vegetables</td>
    </tr>
</table>
 
<table id="bar">
    <tr>
        <td>foo1</td>
        <td>bar2</td>
        <td>baz3</td>
        <td>candy4</td>
        <td>fruits5</td>
        <td style="width: 168px">vegetables6</td>
    </tr>
</table>
</body>
</html>
HTML;
 
$doc = new DOMDocument();
$doc->loadHTML($html);
$xpath = new DOMXPath($doc);
foreach($xpath->query('//td[@style="width: 168px"]') as $v){
    echo $v->firstChild->nodeValue . '<br />';
}

Ahora a estudiar

stramin · #12 (**permalink**) 06/06/2011, 13:24

no entiendo que hace ni como lo hace pero funciona

iviamontes · #13 (**permalink**) 06/06/2011, 14:38

uff, pero alli hay de todo, DOM y selectores xpath, con abimaelrc hay que estudiar todas las noches un poco, que bueno !!!