Вытаскивание информации с другого сайта

@Олеша · Регистрация: 23.10.2012

Студворк — интернет-сервис помощи студентам

Доброго времени суток!
Есть сторонний сайт, на котором выводится актуальные расписания предстоящих матчей. Хочу забрать себе информацию из таблицы, но не могу понять, как это сделать. сURL'ом забрал всю страницу, а как дальше из неё выбрать нужную информацию, не могу понять. Таблица обладает уникальным ID("<table id="gb-matches" class="simple gamelist ">
").
Натолкните на правильный путь новичка, всю голову уже сломал :'(

@pav1uxa · 02.03.2016, 19:17

Сообщение от Олеша

Натолкните на правильный путь новичка

http://php.net/manual/ru/refer... syntax.php
Прочитать все пункты по ссылке от корки до корки в хронологическом порядке, желательно 3 раза.

@WhiteMind · 02.03.2016, 19:41

http://simplehtmldom.sourceforge.net/

@insideone · 02.03.2016, 20:27

Не по теме:

pav1uxa, регулярки это хорошо, но для новичка жестоко.

Неплохой вариант: https://github.com/olamedia/nokogiri

@pav1uxa · 02.03.2016, 20:33

Сообщение от insideone

регулярки это хорошо, но для новичка жестоко.

Не по теме:

Ну как посмотреть :) По мне так для новичка как раз будет полезнее узнать про регулярные выражения сначала. Нежели сразу в лоб применять классы для работы с DOM-документами, при этом не понимая ни DOM, ни ООП...

@insideone · 02.03.2016, 20:44

Не по теме:

Я про то что регулярки это хорошо и изучить их конечно нужно, но для парсинга - не лучший вариант. Ну в конце концов можно и XML распарсить ими, но неудобно же, что мучаться-то

@pav1uxa · 02.03.2016, 20:52

Сообщение от insideone

Я про то что регулярки это хорошо и изучить их конечно нужно, но для парсинга - не лучший вариант. Ну в конце концов можно и XML распарсить ими, но неудобно же, что мучаться-то

Не по теме:

Ну и я не спорю что для таких вещей использовать регулярные выражения - не правильно. Кстати в PHP есть встроенные классы для работы с DOM-документами - DOMDocument и SimpleXMLElement (хотя практика показывает что сторонние библиотеки удобнее, ну да не важно).

Но мы тут о "новичках" говорим. Если бы автор выложил бы скрипт, и сказал бы что "вот - почему то не работает, я хочу то-то, а он мне выводит то-то и ошибку", я бы ему указал на эти 2 класса, возможно даже пример бы привел. Но когда он даже не знает в какую сторону смотреть... Просто не люблю, когда не изучив основ языка, люди сразу кидаются сайты парсить или что-то в этом роде, поэтому так ответил...

Сначала вообще хотел отправить про strpos() и substr() отправить читать :D Да и думаю это было бы правильнее...

@Azdeman · 02.03.2016, 21:30

Сообщение от pav1uxa

про strpos() и substr() отправить читать

PHP
1
2
3
4
5
6
7
8
9
10
function parse($p1,$p2,$p3){
        $num1 = strpos($p1,$p2);
            if(!$num1) return 0 ;
        $num2 = substr($p1,$num1);
        return substr($num2,0,strpos($num2,$p3));
    }
        $link = file_get_contents("http://toffe.org.ua/");
    $start_teg = "<div class=osn>"; // Начало тегов от которых парсить
    $stop_teg = "<a href=index.php?id=kd>"; //До кудо парсить теги 
    echo parse($link,$start_teg,$stop_teg);

@pav1uxa · 02.03.2016, 21:53

Не по теме:

И работать такая штука будет в разы быстрее чем регулярные выражения, DOMDocument с SimpleXML, и тем более всякие сторонние библиотеки :D

@eun · 08.03.2016, 21:47

Кто-нибудь помогите решить проблему кодировки для кода в посте #8

@Azdeman · 08.03.2016, 22:17

Сообщение от eun

Кто-нибудь помогите решить проблему кодировки для кода в посте #8

что с кодировкой то ? файл в кодировке Utf-8 Без bom ?

@eun · 09.03.2016, 05:23

Мой сайт в кодировке win-1251. Большинство сайтов с которых буду парсить в UTF-8.
Что такое bom - не знаю...

@eun · 12.03.2016, 15:06

Попытался использовать код из поста #8 для вывода подряд содержимого нескольких сайтов (см. ниже мой код), но при этом, как только в коде появляется четвёртый URL (строка 21), скрипт, отрабатывая второй URL, выводит ноль. Как исправить код, чтобы ноль не выводился?

PHP
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
<?php
 
function parse($p1,$p2,$p3) {
        $num1 = strpos($p1,$p2);
            if(!$num1) return 0;
        $num2 = substr($p1,$num1);
        return substr($num2,0,strpos($num2,$p3));
    }
    $start_teg = "<table>";
        $stop_teg = "</table>";
    
    $link = file_get_contents("http://url1/");
    echo parse($link,$start_teg,$stop_teg);
 
    $link = file_get_contents("http://url2/");
    echo parse($link,$start_teg,$stop_teg);
 
    $link = file_get_contents("http://url3/");
    echo parse($link,$start_teg,$stop_teg);
 
    $link = file_get_contents("http://url4/");
    echo parse($link,$start_teg,$stop_teg);
 
?>

@Azdeman · 12.03.2016, 15:35

Сообщение от eun

if(!$num1) return 0;

Вот ваш 0.

Сообщение от eun

http://url4/

вот в этой ссылку не может найти тег <table>

@eun · 12.03.2016, 19:59

Тег <table> там есть, что и удивляет!

Добавлено через 9 минут
Хотя, проверю ещё раз и отпишусь.

Добавлено через 4 часа 1 минуту
Да, действительно, дело было в <table>, но при указании дивов - появляется сообщение об ошибке.
Получается с дивами в начальном и конечном тегах данный скрипт не работает?

@Azdeman · 12.03.2016, 21:29

Сообщение от eun

Получается с дивами в начальном и конечном тегах данный скрипт не работает?

Работает.

Добавлено через 46 секунд

Сообщение от eun

Получается с дивами в начальном и конечном тегах данный скрипт не работает?

У меня же с дивами работает , посмотрите

Сообщение от Azdeman

PHP
1
2
3
4
$link = file_get_contents("http://toffe.org.ua/");
$start_teg = "<div class=osn>"; // Начало тегов от которых парсить
$stop_teg = "<a href=index.php?id=kd>"; //До кудо парсить теги 
echo parse($link,$start_teg,$stop_teg);

Добавлено через 39 минут

Сообщение от eun

но при указании дивов - появляется сообщение об ошибке.

И , что за ошибка. Создать тему для этого новую. Там и обсудим.

@eun · 13.03.2016, 20:14

Не могу спарсить, т.к. одинаковое сочетание тегов встречается несколько раз на одной странице. Что посоветуете?

@Azdeman · 13.03.2016, 20:18

Сообщение от eun

Что посоветуете?

Библиотеки использовать, Сurl...

@wq · 13.03.2016, 22:59

Не пойму в чем "жесткость" для новичка освоить регулярные выражения. Прочитать придется меньше чем будет написано нерабочих костылей из str_pos или domDocument.
конкретно по вопросу:

PHP
1
2
3
4
5
6
7
if(preg_match_all('~<table\s+id="gb-matches"\s+class="simple gamelist.*</table>~siuU', $str,$matches)){
            echo '<pre>';
            var_dump($matches);
            echo '</pre>';
        }else{
            echo 'oblom';
        }

@Custos · 14.03.2016, 07:21

Олеша, гуглишь phpQuery, делаешь по примерам парсер, радуешься.

Новые блоги и статьи Все статьи Все блоги /
PhpStorm 2025.3: WSL Terminal всегда стартует в ~ and_y87 14.12.2025 PhpStorm 2025. 3: WSL Terminal всегда стартует в ~ (home), игнорируя директорию проекта Симптом: После обновления до PhpStorm 2025. 3 встроенный терминал WSL открывается в домашней директории. . .	Access VikBal 11.12.2025 Помогите пожалуйста !! Как объединить 2 одинаковые БД Access с разными данными.	Новый ноутбук volvo 07.12.2025 Всем привет. По скидке в "черную пятницу" взял себе новый ноутбук Lenovo ThinkBook 16 G7 на Амазоне: Ryzen 5 7533HS 64 Gb DDR5 1Tb NVMe 16" Full HD Display Win11 Pro	Музыка, написанная Искусственным Интеллектом volvo 04.12.2025 Всем привет. Некоторое время назад меня заинтересовало, что уже умеет ИИ в плане написания музыки для песен, и, собственно, исполнения этих самых песен. Стихов у нас много, уже вышли 4 книги, еще 3. . .	От async/await к виртуальным потокам в Python IndentationError 23.11.2025 Армин Ронахер поставил под сомнение async/ await. Создатель Flask заявляет: цветные функции - провал, виртуальные потоки - решение. Не threading-динозавры, а новое поколение лёгких потоков. Откат?. . .
Поиск "дружественных имён" СОМ портов Argus19 22.11.2025 Поиск "дружественных имён" СОМ портов На странице: https:/ / norseev. ru/ 2018/ 01/ 04/ comportlist_windows/ нашёл схожую тему. Там приведён код на С++, который показывает только имена СОМ портов, типа,. . .	Сколько Государство потратило денег на меня, обеспечивая инсулином. Programma_Boinc 20.11.2025 Сколько Государство потратило денег на меня, обеспечивая инсулином. Вот решила сделать интересный приблизительный подсчет, сколько государство потратило на меня денег на покупку инсулинов. . . .	Ломающие изменения в C#.NStar Alpha Etyuhibosecyu 20.11.2025 Уже можно не только тестировать, но и пользоваться C#. NStar - писать оконные приложения, содержащие надписи, кнопки, текстовые поля и даже изображения, например, моя игра "Три в ряд" написана на этом. . .	Мысли в слух kumehtar 18.11.2025 Кстати, совсем недавно имел разговор на тему медитаций с людьми. И обнаружил, что они вообще не понимают что такое медитация и зачем она нужна. Самые базовые вещи. Для них это - когда просто люди. . .	Создание Single Page Application на фреймах krapotkin 16.11.2025 Статья исключительно для начинающих. Подходы оригинальностью не блещут. В век Веб все очень привыкли к дизайну Single-Page-Application . Быстренько разберем подход "на фреймах". Мы делаем одну. . .

@Олеша 0 / 0 / 0 Регистрация: 23.10.2012 Сообщений: 5

	Вытаскивание информации с другого сайта 02.03.2016, 18:29. Показов 22586. Ответов 41 Метки нет (Все метки) Доброго времени суток! Есть сторонний сайт, на котором выводится актуальные расписания предстоящих матчей. Хочу забрать себе информацию из таблицы, но не могу понять, как это сделать. сURL'ом забрал всю страницу, а как дальше из неё выбрать нужную информацию, не могу понять. Таблица обладает уникальным ID("<table id="gb-matches" class="simple gamelist "> "). Натолкните на правильный путь новичка, всю голову уже сломал :'( 0

@WhiteMind Hello Kitty 690 / 562 / 402 Регистрация: 12.02.2016 Сообщений: 1,436 Записей в блоге: 1
	02.03.2016, 19:41
	http://simplehtmldom.sourceforge.net/ 0

@insideone 3687 / 964 / 114 Регистрация: 10.01.2010 Сообщений: 2,550
	02.03.2016, 20:27
	Не по теме: pav1uxa, регулярки это хорошо, но для новичка жестоко. Неплохой вариант: https://github.com/olamedia/nokogiri 0

@insideone
	02.03.2016, 20:44
	Не по теме: Я про то что регулярки это хорошо и изучить их конечно нужно, но для парсинга - не лучший вариант. Ну в конце концов можно и XML распарсить ими, но неудобно же, что мучаться-то 0

@pav1uxa
	02.03.2016, 21:53
	Не по теме: И работать такая штука будет в разы быстрее чем регулярные выражения, DOMDocument с SimpleXML, и тем более всякие сторонние библиотеки :D 0

@eun 2 / 2 / 0 Регистрация: 27.01.2013 Сообщений: 106
	08.03.2016, 21:47
	Кто-нибудь помогите решить проблему кодировки для кода в посте #8 0

@eun 2 / 2 / 0 Регистрация: 27.01.2013 Сообщений: 106
	09.03.2016, 05:23
	Мой сайт в кодировке win-1251. Большинство сайтов с которых буду парсить в UTF-8. Что такое bom - не знаю... 0

@eun 2 / 2 / 0 Регистрация: 27.01.2013 Сообщений: 106
	12.03.2016, 19:59
	Тег <table> там есть, что и удивляет! Добавлено через 9 минут Хотя, проверю ещё раз и отпишусь. Добавлено через 4 часа 1 минуту Да, действительно, дело было в <table>, но при указании дивов - появляется сообщение об ошибке. Получается с дивами в начальном и конечном тегах данный скрипт не работает? 0

@eun 2 / 2 / 0 Регистрация: 27.01.2013 Сообщений: 106
	13.03.2016, 20:14
	Не могу спарсить, т.к. одинаковое сочетание тегов встречается несколько раз на одной странице. Что посоветуете? 0

@Custos Software Engineer 328 / 328 / 54 Регистрация: 23.09.2014 Сообщений: 976
	14.03.2016, 07:21
	Олеша, гуглишь phpQuery, делаешь по примерам парсер, радуешься. 0

Вытаскивание информации с другого сайта

Решение