如何以php抓取html文件的特定元素，並且依照抓取順序填入頁碼

php html5 網頁爬蟲

rosef35 2024-11-13 07:48:52 ‧ 2383 瀏覽

分享至

公司丟來難題，要我給每一個特定的html元素填入頁碼。完整html結構如下(已簡化文字段落並整理3組提供參考)，

<!DOCTYPE html>
<html>
    <head>
        <title></title>
    </head>
    <body>
        <section>
        <!-- 頁碼-->
            <a class="fl1 page" name="" href="#">
                <div style="color: gray;"></div>
            </a>
        <!-- 段落-->
            <article class="fl1">
                <div class="sm1"></div>
                <div class="paragraph indent_2">
                    <span class="w500">早安 台灣</span>
                </div>
            </article>
        <!-- 頁碼-->
            <a class="fl1 page" name="" href="#">
                <div style="color: gray;"></div>
            </a>
        <!-- 段落-->
            <article class="fl1">
                <div class="sm1"></div>
                <div class="paragraph indent_2">
                    <span class="w500">早安 台北</span>
                </div>
            </article>
        <!-- 頁碼-->
            <a class="fl1 page" name="" href="#">
                <div style="color: gray;"></div>
            </a>
        <!-- 段落-->
            <article class="fl1">
                <div class="sm1"></div>
                <div class="paragraph indent_2">
                    <span class="w500">早安 高雄</span>
                </div>
            </article>
        </section>
    </body>
</html>

我要利用php快速處理這個主題。請各位先進看圖

php抓取html檔案全部的特定元素，例如有1253組，通通填上頁碼之後，將新且完整的html輸出到螢幕並且存檔。
請教這怎麼做，感恩了

ccutmis iT邦高手 2 級 ‧ 2024-11-13 09:01:03 檢舉

改用 python 會不會比較簡單省事?
Ex: 把所有htm放到一個資料夾，然後用os.listdir列出所有.htm，
再用一個廻圈依序讀取.htm內容，然後用 regExp置換你要處理的部份，
最後存檔並將處理結果 print 的螢幕上，End

淺水員 iT邦大師 6 級 ‧ 2024-11-13 09:41:27 檢舉

能用 javascript 丟給瀏覽器處理嗎？

登入發表討論

直播研討會

{{ item.channelVendor }} {{ item.webinarstarted }} |

直播中

2 個回答

froce

iT邦大師 1 級 ‧ 2024-11-13 09:43:18

最佳解答

在頁面加段JS不就好了，應該不用跨檔案去處理吧?

const elms = document.querySelectorAll(".fl1")

Array.from(elms).map((e, i)=>{
  e.setAttribute("name", i+1)
  e.querySelector("div").innerText = `${i+1}頁`
})

https://jsbin.com/liqeyewiki/edit?html,js,output

回應 1
分享
檢舉

rosef35 iT邦新手 4 級 ‧ 2024-11-13 11:55:33 檢舉

的確，我決定改以js處理，然後在ajax給後台

登入發表回應

㊣浩瀚星空㊣

iT邦大神 1 級 ‧ 2024-11-13 09:51:55

首先，個人並不太建議用PHP來直接整理輸出html碼。
最好還是利用一下 js 處理。

但如果情況不允許非得用PHP來輸出 html 碼的情況下。
一般來說，我會建議使用正則來區分取代
以下程式給你參考(我沒試驗過，自已試試看)

<?php
$html = '
<a class="fl1 page" name="" href="#">
    <div style="color: gray;"></div>
</a>
<a class="fl1 page" name="" href="#">
    <div style="color: gray;"></div>
</a>
<a class="fl1 page" name="" href="#">
    <div style="color: gray;"></div>
</a>
'; //這裏是您的html碼。

// 使用 preg_replace_callback() 來處理每個匹配的 <a> 標籤
$count = 1;
$html = preg_replace_callback(
    '/<a\s+class="fl1\s+page"\s+name=""\s+href="#">\s*<div\s+style="color:\s*gray;">\s*<\/div>\s*<\/a>/',
    function($matches) use (&$count) {
        // 在每個匹配項中，按順序替換 name 屬性和 div 內容
        $new_a = '<a class="fl1 page" name="p' . $count . '" href="#">' .
                 '<div style="color: gray;">' . $count . '頁</div>' .
                 '</a>';
        $count++;
        return $new_a;
    },
    $html
);

echo $html;
?>