Скребок HTML в Php

Я бы порекомендовал PHP Simple HTML DOM Parser после того, как вы соскребли HTML со страницы. Он поддерживает недопустимый HTML и предоставляет очень простой способ обработки элементов HTML.

Если страница, которую вы очищаете, является допустимой X (HT) ML, то подойдет любой из Встроенные в PHP парсеры XML.

У меня не было особого успеха с библиотеками PHP для парсинга. Если вы любите приключения, вы можете попробовать простой. Я бы рекомендовал Hpricot для Ruby или Красивый суп для Python, которые являются парсерами отлично для HTML.

У меня были очень хорошие результаты с упомянутым выше Простой парсер Html DOM. А еще есть tidy Extension для PHP, который тоже очень хорошо работает.

Мне было весело работать с htmlSQL, который не так уж и высококлассный, но с ним действительно просто работать.

Используя PHP для очистки HTML, я бы рекомендовал cURL + regexp или cURL + некоторые парсеры DOM, хотя я лично использую cURL + regexp. Если вы хорошо разбираетесь в регулярных выражениях, иногда они точнее.

Я бы также порекомендовал «Simple HTML DOM Parser». Это хороший вариант, особенно если вы знакомы с селекторами jQuery или JavaScript, тогда вы почувствуете себя как дома.

Я даже писал об этом в прошлом.

Мне пришлось использовать curl на моем хосте 1and1.

http://www.quickscrape.com/ - это то, что я придумал, используя класс Simple DOM!