网页表格信息抓取
时间：2021-07-01 10:21:17
帮助过：7人阅读
页面源代码如下：
假设页面为test.html,且最后一个表格Part Information的内容不固定，可能是1行也可能是多行。
如果要求抓蓝色字体部分怎么做？寻求解决方案。
回复讨论(解决方案)
循环table的tr，直接抓取td的值
这个页面本身返回数据的时候就有蓝色在上面吗？若是，则
| | aaaaaa
aaaaaa | | aaaaaa xxxx(aaaaaa) | | aaaaaa xxxx | | adress aaaaaa adress | |  | | 交货计划单 | | 计划到达时间 2013-09-16 | | PUS编号 770266110 版本00 | | Customer 客户 | | *DYNP-770266110-00* | | | |
| Delivery Information 交货信息 | 工厂
Plant | xxxxxx | 取货时间
Pick Up Time | 2013-09-09 16:30 | 需要供应商反馈
Need Duns Response | N | 交货日期
Delivery Date | 2013-09-16 | 窗口时间
Window Time | 16:30 | 卸货口
Dock | CC-70D | 卸货口负责人
Dock Incharger | kkk | 卸货口电话
Dock Tel | 011-1111 | 卸货口地址
Dock Address | adress | 交货地点
Delivery Place | | 计划跟踪员
Follow Up | kkkk | 计划跟踪员电话/传真
FollowUp Tel/Fax | 011-1111 | 交货说明
Delivery Note | |
| Part Information 零件清单 | | 序号 | 零件号 | 零件说明 | 需求数量 | 承诺数量 | 实收数量 | 包装数 | 料箱数 | 料箱号 | 实发料箱号 | 实发料箱数 | 实收料箱号 | 实收料箱数 | 备注 | | 1 | 12647212 | | 60 | 60 | | 15 | 4 | P000000D | | | | | | | 2 | 12654172 | | 615 | 615 | | 15 | 41 | P000000D | | | | | |
';$result = array();preg_match_all('#(.*)#iUus',$string,$result);print_r($result[1]);
本身要是没蓝色的（id，class之类的也没有的）话那就只能全部单元格正则匹配出来按页面结构需要来取了 本身要是没蓝色的（id，class之类的也没有的）话那就只能全部单元格正则匹配出来按页面结构需要来取了
本身无颜色区分，只是我标识出来的罢了。 $s 为你提供的页面内容 preg_match_all('##isU', $s, $r);$r = array_map('trim', array_map('strip_tags', $r[0]));print_r($r); Array( [0] => [1] => aaaaaa aaaaaa [2] => aaaaaa xxxx(aaaaaa) [3] => aaaaaa xxxx [4] => adress aaaaaa adress [5] => [6] => 交货计划单 [7] => 计划到达时间 2013-09-16 [8] => PUS编号 770266110 版本00 [9] => Customer 客户 [10] => *DYNP-770266110-00* [11] => [12] => Delivery Information 交货信息 [13] => 工厂Plant [14] => xxxxxx [15] => 取货时间Pick Up Time [16] => 2013-09-09 16:30 [17] => 需要供应商反馈Need Duns Response [18] => N [19] => 交货日期Delivery Date [20] => 2013-09-16 [21] => 窗口时间Window Time [22] => 16:30 [23] => 卸货口Dock [24] => CC-70D [25] => 卸货口负责人Dock Incharger [26] => kkk [27] => 卸货口电话Dock Tel [28] => 011-1111 [29] => 卸货口地址Dock Address [30] => adress [31] => 交货地点Delivery Place [32] => [33] => 计划跟踪员Follow Up [34] => kkkk [35] => 计划跟踪员电话/传真FollowUp Tel/Fax [36] => 011-1111 [37] => 交货说明Delivery Note [38] => [39] => Part Information 零件清单 [40] => 序号 [41] => 零件号 [42] => 零件说明 [43] => 需求数量 [44] => 承诺数量 [45] => 实收数量 [46] => 包装数 [47] => 料箱数 [48] => 料箱号 [49] => 实发料箱号 [50] => 实发料箱数 [51] => 实收料箱号 [52] => 实收料箱数 [53] => 备注 [54] => 1 [55] => 12647212 [56] => [57] => 60 [58] => 60 [59] => [60] => 15 [61] => 4 [62] => P000000D [63] => [64] => [65] => [66] => [67] => [68] => 2 [69] => 12654172 [70] => [71] => 615 [72] => 615 [73] => [74] => 15 [75] => 41 [76] => P000000D [77] => [78] => [79] => [80] => [81] => ) 读取某项内容不是什么难事吧？ //第二个表从下标 40 开始，14 列$t = array_chunk(array_slice($r, 40), 14);for($i=1; $i Array( [0] => Array ( [序号] => 1 [零件号] => 12647212 [零件说明] => [需求数量] => 60 [承诺数量] => 60 [实收数量] => [包装数] => 15 [料箱数] => 4 [料箱号] => P000000D [实发料箱号] => [实发料箱数] => [实收料箱号] => [实收料箱数] => [备注] => ) [1] => Array ( [序号] => 2 [零件号] => 12654172 [零件说明] => [需求数量] => 615 [承诺数量] => 615 [实收数量] => [包装数] => 15 [料箱数] => 41 [料箱号] => P000000D [实发料箱号] => [实发料箱数] => [实收料箱号] => [实收料箱数] => [备注] => )) preg_match_all('##isU', $s, $r);
这个正则这么用啊？感谢！ preg_match_all('##isU', $s, $r);
如果有的页面取的值的项不同，怎么求那些项？
例如：[10] => *DYNP-770266110-00* ，有时候是[12] => *DYNP-770266110-00*。
但是前一项的值都是一样的，只是键值不同。例：[9] => Customer 客户这项。
那就是你的问题了
一般说明文字与数据总是配对的，并且说明文字在前，数据在后 那就是你的问题了
一般说明文字与数据总是配对的，并且说明文字在前，数据在后
如果在1楼之前还有一个table,那么array_combine会有一个warning提示。
Supplier Signature Carrier Signature
供应商签字 _____________ 承运商签字 _____________ | Supplier Confirm Time
供应商确认时间 13-09-10 09:01 | Receiver Signature
收货人签字 _______________ |
Date 日期 ______________ | | *** END OF PAGE *** | |
如何把这个table的信息过滤掉？
