尝试抓取 div 的整个内容

Question

我正在开发这个项目，我想使用来自 touch.facebook.com 的 iframe 中的 facebook 地点添加一个非常小的附近地点列表，我可以轻松地使用 touch.facebook.com/#/places_friends.php但随后会加载标题和其他导航栏（例如消息、事件等栏），而我只想要内容。

我很确定通过查看 touch.facebook.com/#/places_friends.php 源代码，我需要加载的只是 div“内容”无论如何，我对 php 非常陌生，我很确定我的想法我正在尝试做的事情称为网络抓取。

为了弄清楚 stackoverflow 上的事情，并且不需要担心身份验证或其他任何事情，但我想加载登录页面，看看我是否至少可以让 scraper 工作。一旦我有了一个有效的抓取代码，我就很确定我可以处理剩下的事情。它已经加载了 div 内的所有内容。我以前见过这样做，所以我知道这是可能的。它看起来和你尝试登录 touch.facebook.com 时看到的一模一样，但顶部没有蓝色的 facebook 徽标，这就是我在这里想要完成的任务。

这是登录页面，我尝试加载包含文本框的 div 以登录实际的登录按钮。如果操作正确，我们应该只会看到上面没有模糊 Facebook 标题栏的内容。

我尝试

<?php
$page = file_get_contents('http://touch.facebook.com/login.php');
$doc = new DOMDocument();
$doc->loadHTML($page);
$divs = $doc->getElementsByTagName('div');
foreach($divs as $div) {
      if ($div->getAttribute('id') === 'login_form') {
         echo $div->nodeValue;
    }
}
?>

过的只是加载一个空白页。

我还尝试使用 http://simplehtmldom.sourceforge.net/

并修改了示例基本选择器我

<?php
include('../simple_html_dom.php');

$html = file_get_html('http://touch.facebook.com/login.php');

foreach($html->find('div#login_form') as $e)
    echo $e->nodeValue;

?>

也尝试过

<?php
$stream = "http://touch.facebook.com/login.php";
$cnt = simplexml_load_file($stream);

$result = $cnt->xpath("/html/body/div[@id=login_form]");

for($i = 0; $i < $i < count($result); $i++){
    echo $result[$i];
}
?>

，但也不起作用

Answer 1

抓取并不总是在其他地方捕获数据的最佳方法。我建议使用 Facebook 的 API 来检索您需要的值。只要 Facebook 决定更改其标记，抓取就会中断。

http://developers.facebook.com/docs/api

http://github.com/facebook/php-sdk/

Answer 2

您需要了解比较运算符

=== 用于严格比较，您应该使用 ==

if ($div->getAttribute('id') == 'login_form')
{

}

Answer 3

我假设您无法使用 facebook API，如果可以，那么我强烈建议您使用它，因为您可以将自己从整个抓取交易中拯救出来。

要抓取文本，最好的技术是使用xpath，如果touch.facebook.com返回的html是xhtml过渡，它应该，你应该使用xpath，示例应该如下所示：

$stream = "http://touch.facebook.com";
$cnt = simplexml_load_file($stream);

$result = $nct->xpath("/html/body/div[@id=content]");

for ($i = 0; $i < $i < count($result); $i++){
    echo $result[$i];
}

Answer 4

$stream = "http://touch.facebook.com";
$cnt = simplexml_load_file($stream);

$result = $nct->xpath("/html/body/div[@id=content]");

for ($i = 0; $i < count($result); $i++){
    echo $result[$i];
}

此行中有一个语法错误，我将其删除，现在只需复制并粘贴并运行此代码