php获取页面并切割页面div内容
亮点：
1、利用php也能实现对页面div的切割处理。这里的做法抛砖引玉，希望读者能够提供更加完美的解决方案。
2、切割处理方法已经封装成一个方法，可以直接引用。
3、顺便加上博客园标签云的截取。//getWebDiv('id="taglist"','http://www.cnblogs.com/Zjmainstay/tag/');
View Code
<?php header("Content-type: text/html; charset=utf-8"); function getWebDiv($div_id,$url=false,$data=false){ if($url !== false){ $data = file_get_contents( $url ); } $charset_pos = stripos($data,'charset'); if($charset_pos) { if(stripos($data,'charset=utf-8',$charset_pos)) { $data = iconv('utf-8','utf-8',$data); }else if(stripos($data,'charset=gb2312',$charset_pos)) { $data = iconv('gb2312','utf-8',$data); }else if(stripos($data,'charset=gbk',$charset_pos)) { $data = iconv('gbk','utf-8',$data); } } preg_match_all('/<div/i',$data,$pre_matches,PREG_OFFSET_CAPTURE); //获取所有div前缀 preg_match_all('/<\/div/i',$data,$suf_matches,PREG_OFFSET_CAPTURE); //获取所有div后缀 $hit = strpos($data,$div_id); if($hit == -1) return false; //未命中 $divs = array(); //合并所有div foreach($pre_matches[0] as $index=>$pre_div){ $divs[(int)$pre_div[1]] = 'p'; $divs[(int)$suf_matches[0][$index][1]] = 's'; } //对div进行排序 $sort = array_keys($divs); asort($sort); $count = count($pre_matches[0]); foreach($pre_matches[0] as $index=>$pre_div){ //<div $hit <div+1 时div被命中 if(($pre_matches[0][$index][1] < $hit) && ($hit < $pre_matches[0][$index+1][1])){ $deeper = 0; //弹出被命中div前的div while(array_shift($sort) != $pre_matches[0][$index][1] && ($count--)) continue; //对剩余div进行匹配，若下一个为前缀，则向下一层，$deeper加1， //否则后退一层，$deeper减1，$deeper为0则命中匹配，计算div长度 foreach($sort as $key){ if($divs[$key] == 'p') $deeper++; else if($deeper == 0) { $length = $key-$pre_matches[0][$index][1]; break; }else { $deeper--; } } $hitDivString = substr($data,$pre_matches[0][$index][1],$length).'</div>'; break; } } return $hitDivString; } echo getWebDiv('id="taglist"','http://www.cnblogs.com/Zjmainstay/tag/'); //End_php
考虑到id符号问题，id="u"由用户自己填写。
声明：此段php只针对带 id div内容的读取。
——————————————————————————完善：匹配任意可闭合带id标签————————————————————————————————————————————
View Code
1 <?php 2 header("Content-type: text/html; charset=utf-8"); 3 function getWebTag($tag_id,$url=false,$tag='div',$data=false){ 4 if($url !== false){ 5 $data = file_get_contents( $url ); 6 } 7 $charset_pos = stripos($data,'charset'); 8 if($charset_pos) { 9 if(stripos($data,'charset=utf-8',$charset_pos)) { 10 $data = iconv('utf-8','utf-8',$data); 11 }else if(stripos($data,'charset=gb2312',$charset_pos)) { 12 $data = iconv('gb2312','utf-8',$data); 13 }else if(stripos($data,'charset=gbk',$charset_pos)) { 14 $data = iconv('gbk','utf-8',$data); 15 } 16 } 17 18 preg_match_all('/<'.$tag.'/i',$data,$pre_matches,PREG_OFFSET_CAPTURE); //获取所有div前缀 19 preg_match_all('/<\/'.$tag.'/i',$data,$suf_matches,PREG_OFFSET_CAPTURE); //获取所有div后缀 20 $hit = strpos($data,$tag_id); 21 if($hit == -1) return false; //未命中 22 $divs = array(); //合并所有div 23 foreach($pre_matches[0] as $index=>$pre_div){ 24 $divs[(int)$pre_div[1]] = 'p'; 25 $divs[(int)$suf_matches[0][$index][1]] = 's'; 26 } 27 28 //对div进行排序 29 $sort = array_keys($divs); 30 asort($sort); 31 32 $count = count($pre_matches[0]); 33 foreach($pre_matches[0] as $index=>$pre_div){ 34 //<div $hit <div+1 时div被命中 35 if(($pre_matches[0][$index][1] < $hit) && ($hit < $pre_matches[0][$index+1][1])){ 36 $deeper = 0; 37 //弹出被命中div前的div 38 while(array_shift($sort) != $pre_matches[0][$index][1] && ($count--)) continue; 39 //对剩余div进行匹配，若下一个为前缀，则向下一层，$deeper加1， 40 //否则后退一层，$deeper减1，$deeper为0则命中匹配，计算div长度 41 foreach($sort as $key){ 42 if($divs[$key] == 'p') $deeper++; 43 else if($deeper == 0) { 44 $length = $key-$pre_matches[0][$index][1]; 45 break; 46 }else { 47 $deeper--; 48 } 49 } 50 $hitDivString = substr($data,$pre_matches[0][$index][1],$length).'</'.$tag.'>'; 51 break; 52 } 53 } 54 return $hitDivString; 55 } 56 57 echo getWebTag('id="nav"','http://mail.163.com/html/mail_intro/','ul'); 58 echo getWebTag('id="homeBanners"','http://mail.163.com/html/mail_intro/'); 59 echo getWebTag('id="performance"','http://mail.163.com/html/mail_intro/','section'); 60 61 //End_php
修复：stripos($data,'charset=utf-8',$charset_pos) 加入charset=，避免有些gb2312格式的网页中包含utf-8造成错误。或者用户可以自行修改函数传入一个确定的charset参数。
演示地址：parseDiv
