数据采集利器-PHP用DOM方式处理HTML之《Simple HTML DOM》

最近经常需要采集一些网上的数据，发现一个PHP处理HTML的利器 simple html dom，官方网址是​​http://simplehtmldom.sourceforge.net/​​

看了一下文档，使用非常方便，关键是能够用CSS选择器来访问DOM树，和jquery相似，实在是难得的利器

以下是一个测试代码，用于抓取大众点评网上的咖啡分类的所有店铺：

程序：

<?php
require_once ( "simple_html_dom.php" ) ;
ini_set ( 'memory_limit' , '1000M' ) ;
ini_set ( "max_execution_time" , 6000000 ) ;
 
for ( $i = 1 ; $i <= 21 ; $i ++ ) {
     $html = file_get_html ( "http://www.dianping.com/search/category/17/30/g1498p$i/g30g1498" ) ;
     $as = $html -> find ( '.shopname a' ) ;
     $sum = 0 ;
     foreach ( $as as $a )      {
         if ( $a -> plaintext != "分店" ) {
             $a -> href = "http://www.dianping.com" . $a -> href ;
             echo $a -> outertext . "------" . $a -> href . "-------<br>" ;
             $sum ++ ;
         }
     }
     echo "<br><br>第 {$i} 页结束 ，数目：{$sum}<hr>" ;
}
?>

数据采集结果，共采集了21页的数据

另外，还有一个更强大的PHP处理HTML的利器，号称和jquery更相似，并且比simplehtmldom强大，但是难学，叫做 phpquery，地址是：​​http://code.google.com/p/phpquery/​​