PHP парсинг

[Fahman]

Кто может дать пример как спарсит со страницы несколько кусков кода.

[ADSoft]

в интернетах море-океан примеров

[Лубышев]

Кто? у кого спарсит?

[Fahman]

Да я в PHP полный ноль) хочу научится парсить определенный крнтент с одного или нескольких сайтов, по delphi я не много понял как а вот с ПХП впервые столкнулся, не подскажите мне пару примеров? я дальше сам пойму думаю=)
Моя задача такая.
Есть 1 сайт есть в нем один <div>здесь инфа</div>
Как мне именно этот див спарсить и отобразить на своей странице? надо чтоб дизайн блока был такой же и не отличался от сайто с которого я буду парсить...
можете дать примеры если не трудно? (с коментариями если можно)

[Stilet]

не подскажите мне пару примеров?

Может стоит начать с книги по ПХП?

[Smitt&Wesson]

Сообщение от Лубышев

Кто? у кого спарсит?

Таак. Появился новый синоним слова "слямзить" .

[Feelnoobskill]

Скачайте библиотеку simple html dom. Она очень легкая в использовании.
Почитать о её применении можно тут http://net.tutsplus.com/tutorials/ph...l-dom-library/

[Armatus]

Вот пример, мне не жалко. тут класс для парсинга с функцией регулярки.

class parser_pleer
{
	function get($url)
	{
	$pleer=file_get_contents($url);
	return $pleer;
	}

	function regularca($content)
	{

	if (preg_match('/(<div id="ja-pathwaywrap" class="clearfix">.*<\/div>).*<div id="ja-footerwrap">/is', $content, $matches)) 

	{
	echo $matches[1];
	} 
	else {echo "Not found";}
	}

}

[vasiatka]

Коль пошли кодом кидаться... У меня для каждого отдельного сайта написан класс типа:

PHP код:

class PenzaNewsContentReader extends lmbUriContentReader
{     
  protected $data;
  function getContent()
  {
    if($this->data)
      return $this->data;

    while($line = fgets($this->resource, 5000))
      $this->content .= $line;
    $this->data = array();
    $title_re='~<meta\s*name\s*=\s*"title"\s*content\s*=\s*[\'"]([^\'"]+)[\'"]~';
    if(preg_match_all($title_re, $this->content, $matches))
      $this->data['title']=$matches[1][0];

    $key_re='~<meta\s*name\s*=\s*["\']keywords["\']\s*content\s*=\s*[\'"]([^\'"]+)[\'"]~';
    if(preg_match_all($key_re, $this->content, $matches))
      $this->data['keywords']=str_replace('PenzaNews,','',$matches[1][0]);
    
    
    $content_re='~<div class="ju_text">(.+?)<div class="pagination">~is';
    if(preg_match_all($content_re, $this->content, $matches))
    {
      $content = preg_replace('~<strong class="city-text">[^<]+</strong>~is','',$matches[1][0]);
      $this->data['content']=strip_tags(trim($content),'<p>');

      $annot_re='~<p>([^<]+)</p>~';
      if(preg_match_all($annot_re, $this->data['content'], $matches))
        $this->data['annotation']=$matches[1][0];
    
      
      $img_re='~<img[^\/>]+src\s*=\s*[\'"]([^\'"]+)[\'"]~';
      if(preg_match_all($img_re, $content, $matches))
      {
        $img = new lmbUri($matches[1][0]);
        $this->_normalizeUriUsingContext($img, $this->uri);
        $this->data['tmp_img']= $this->cacheRemoteImage($img->toString());
      }  
    }

    return $this->data;
  }
  
  function _normalizeUriUsingContext($uri, $context_uri)
  {
    if(!$uri->getHost())
    {
      $uri->setHost($context_uri->getHost());

      if(($path = $context_uri->getPath()) && $uri->isRelative())
      {
        $path = preg_replace('~(.*)(/[^/]*)$~', '$1/', $path);
        $uri->setPath($path . $uri->getPath());
      }
    }

    if(!$uri->getProtocol())
      $uri->setProtocol($context_uri->getProtocol());

    $uri->setAnchor('');

    $uri->normalizePath();
  }
  
  function cacheRemoteImage($url)
  {
    $contents = @file_get_contents($url);
    $filename = substr(md5(time()), 0, 5) . '_' . basename($url);

    $cachepath = lmbToolkit::instance()->getConf('common')->get('temp_file_storage');
    $cachepath = $cachepath['store_rules']['path'];
    
    if(is_writable($cachepath) && $contents)
    {
      file_put_contents($cachepath . '/' . $filename, $contents);
      return $cachepath . '/' . $filename; 
    }

    return '';
  }
  function reset()
  { 
    parent::reset();
    $this->data = null;
  }
} 


В приведенном выше классе много неописанных элементов, но это не мешает понять как извлечь контент со страницы.

Алгоритм примерно такой:
1. загружаем страницу
2. используя регулярные выражения выбираем из загруженной страницы нужное.
3. Делаем свое черное дело с полученной информацией.

В моем случае данные читаются из $this->resource - (если не загоняться - fopen($url))
Собранная информация помещается $this->data. Далее она заносится в базу.

ссылки на страницы с информацией добываются аналогичным образом:
1. открываете страницу со списком новостей, по регулярным выражениям извлекаете ссылки на новости.
2. Загружаете каждую новость по отдельности кодом типа приведенного выше

[Fahman]

всем спасибо за ответы буду тестить отпишусь)