PHPネイティブのDOMによるスクレイピング入門 - Qiita

はじめに 淫夢要素はありません。 Simple HTML DOM Parser や Goutte の使い方は至る所で説明されていますが、PHPネイティブのDOMに関しての記事がかなり少ないので書いてみることにします。 ちなみに… Simple HTML DOM Parserは内部で何回も正規表現を使って全ての要素をパースするので、かなり遅いです。これ使うぐらいなら最初から自分で正規表現一本で書いたほうがマシ。自分で正規表現を使って必要部分だけを抜き出す方法は、全ての方法の中で最も高速なので、正規表現が得意な人だったらこれでもいいと思います。 Goutteは内部でPHPネイティブのDOMを使ってます。PHPネイティブのDOMはDOMとして読ませる方法の中では最も高速なので良い方法をチョイスしていることになるのですが、そもそもGoutteに頼らなくてもそれなりに十分やっていけます。何より依存フ

[RabbitBit]

ホモは嘘つき。

[perl48]

XpathでHTML解析。Windows環境でPyrhonのlxmlインストールうまくいかず、Perl使うかRubyにするか迷ってたけど、素のPHPでいける。好きだぜPHP。

[gayou]

昔使ってたけど、文字化けのいい解決方法を見つけられなくて他のスクレイピングライブラリに乗り換えた事がある。「一度マルチバイト文字列全てをHTMLエンティティ形式に変換」をやればよさそうだ。

[kabuquery]

Selenium使ったほうがよいとおもう

[junk-boy]

“ノードからの検索 // を先頭に書くと、ルートノードの内側にある全てのノードが対象になります。 ノードの後ろに続けて記述すると、そのノードの内側にある全てのノードが対象になります。 <h1>野獣先輩の持つ異名</h1>

[murcott]

“Goutteは内部でPHPネイティブのDOMを使ってます。PHPネイティブのDOMはDOMとして読ませる方法の中では最も高速なので良い方法をチョイスしていることになるのですが、そもそもGoutteに頼らなくてもそれなりに十分やっていけ

[nharuki]

cURL+DOMDocumentで作る外部ライブラリ不要なスクレイパーの作り方