php正则匹配⽹页html中的table把内容转化成数组。在对接京东vop 的时候,在京东返回规格属性的时候,返回的是 html格式的样式,例
$date='
<table cellpadding="0" cellspacing="1" width="100%"border="0" class="Ptable">
<tr>
<th class="tdTitle" colspan="2">主体
</th>
<tr>
<tr>
<td class="tdTitle">品牌
</td>
<td>好孩⼦
</td>
</tr>
<tr>
<td class="tdTitle">主材质
</td>
<td>PP
</td>
</tr>
<tr>
<td class="tdTitle">规格
</td>
pdf转html
<td>800mm*445mm*225
</td>
</tr>
</table>';
如上的表格,预览为
接下来便是进⾏提取,提取思路是利⽤正则把<table><td> ,<tr>等标签先删除掉。
先贴代码
//php采集table表格数据(将HTML表格的每⾏每列转为数组)
function tdToArray($table) {
$table = preg_replace("'<table[^>]*?>'si","",$table);
$table = preg_replace("'<tr[^>]*?>'si","",$table);
$table = preg_replace("'<td[^>]*?>'si","",$table);
$table = str_replace("</tr>","{tr}",$table);
$table = str_replace("</td>","{td}",$table);
//去掉 HTML 标记
$table = preg_replace("'<[/!]*?[^<>]*?>'si","",$table);
/
/去掉空⽩字符
$table = preg_replace("'([rn])[s]+'","",$table);
$table = str_replace(" ","",$table);
$table = str_replace(" ","",$table);
$table = explode('{tr}', $table);
array_pop($table);
foreach ($table as$key=>$tr) {
// ⾃⼰可添加对应的替换
$td = explode('{td}', $tr);
array_pop($td);
$td_array[] = $td;
}
return$td_array;
}
⽤debug ⾛流程,观察每⼀步,具体就不详述,放⼀张最后$table的变量
经过array_pop之后的变量
是如下
上⾯的\r\n 是为了区分加的换⾏,可以⽤str_replace 替换,另外还有标题也可以替换,如下
最终效果