[求助]網(wǎng)頁內(nèi)容解析實(shí)現(xiàn)方法？

yb0312

對(duì)網(wǎng)頁中的信息進(jìn)行采集，
如對(duì)cu首頁的“論壇熱點(diǎn)討論”的新聞進(jìn)行采集。
需要對(duì)整個(gè)cu首頁進(jìn)行分析，去掉無用的信息，將“論壇熱點(diǎn)討論”下的內(nèi)容采集，并存入數(shù)據(jù)庫。
我的想法是，采用preg_match 或 用js進(jìn)行xml解析。
向各位高手請(qǐng)教下基本的思路及實(shí)現(xiàn)方法，感謝。

liuxingyuyuni

采集不懂，幫你頂

fan12

好象用正則表達(dá)式做

d_bsky

呵呵 我也不懂 .幫你頂

ashchen

要做垃圾站？

alexru

用正則可以實(shí)現(xiàn)

a_coder

原帖由 ashchen 于 2008-3-3 00:20 發(fā)表
要做垃圾站？

頂

yuxiaqiao

最好用socket，bind 80獲取數(shù)據(jù)比較OK

yb0312

謝謝大家這么熱心。
我做這個(gè)的目的，主要是想實(shí)時(shí)采集某些網(wǎng)站發(fā)布的數(shù)據(jù)（絕非垃圾網(wǎng)站 ），
自己一行一行的輸入是很浪費(fèi)時(shí)間跟精力的。
目標(biāo)數(shù)據(jù)是采用表格結(jié)構(gòu)發(fā)布，需要分析<table>并截取數(shù)據(jù)，
現(xiàn)在的問題是目標(biāo)網(wǎng)頁中<table>太多,
正則是一件很惱火的工作，
哪位有現(xiàn)成的代碼或給個(gè)示例？
謝謝

hshq_cn

如果table是嵌套的就麻煩了，
可以不用限定于一種技術(shù)，
例如，先過濾掉無關(guān)信息，而且不要破壞格式，
然后在客戶端，瀏覽器解析成dom結(jié)構(gòu)，
就可以用js取得table的內(nèi)容了。