网页报表信息抓取

2013-09-24

网页表格信息抓取页面源代码如下：!DOCTYPE HTML PUBLIC -//W3C//DTD HTML 4.01 Transitional//EN http

网页表格信息抓取
网页报表信息抓取

页面源代码如下：


<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN" "http://www.w3c.org/TR/1999/REC-html401-19991224/loose.dtd">
<HTML><HEAD><TITLE></TITLE>
<META content="text/html; charset=GBK" http-equiv=Content-Type>
<META name=GENERATOR content="MSHTML 8.00.7601.18106"></HEAD>
<BODY>
<FORM method=post name=pusManageForm action=pus.do><INPUT type=hidden 
name=method> <INPUT value=15647695 type=hidden name=sid> <INPUT value=2 
type=hidden name=partCount> 
<TABLE width="100%" align=center>
  <TBODY>
  <TR>
    <TD>
      <TABLE border=0 width="100%">
        <TBODY>
        <TR>
          <TD width=10>&nbsp; </TD>
          <TD>
            <TABLE border=0 cellSpacing=1 cellPadding=0 width="95%" 
align=center>
              <TBODY>
              <TR>
                <TD height=40 align=left><B><FONT color=rgb(0,0,20) 
                  size=2>aaaaaa</FONT></B> <BR><B><FONT 
                  color=rgb(0,0,20) size=2>aaaaaa</FONT></B> </TD></TR>
              <TR>
                <TD height=40 align=left><FONT color=rgb(0,0,20) 
                  size=1>aaaaaa</FONT> <FONT color=rgb(0,0,20) 
                  size=1>xxxx(aaaaaa)</FONT> </TD></TR>
              <TR> 
 
                <TD align=left><FONT color=rgb(0,0,20) size=1>aaaaaa</FONT> <FONT color=rgb(0,0,20) size=1>xxxx</FONT> </TD></TR>
              <TR>
                <TD align=left><FONT color=rgb(0,0,20) size=1>adress 
                  aaaaaa</FONT> <FONT color=rgb(0,0,20) size=1>adress</FONT> 
                </TD></TR></TBODY></TABLE></TD>
          <TD align=middle><IMG 
            src="http://aaa/DY/images/pus/DYNP_new.jpg"> 
</TD>
          <TD align=right>
            <TABLE border=0 cellSpacing=1 cellPadding=1 width="95%" 
align=center>
              <TBODY>
              <TR>
                <TD align=right><B><FONT color=rgb(0,0,20) 
                  size=4>交货计划单</FONT></B> </TD></TR>
              <TR>
                <TD align=right><FONT color=rgb(0,0,20) 
                  size=1>计划到达时间&nbsp;&nbsp;&nbsp;2013-09-16 </FONT></TD></TR>
              <TR>
                <TD align=right><FONT color=rgb(0,0,20) size=2>PUS编号 
                  770266110&nbsp;&nbsp;&nbsp;版本00 </FONT></TD></TR>
              <TR> 
 
                <TD align=right><FONT color=rgb(0,0,20) size=3>Customer 客户 
                  </FONT></TD></TR>
              <TR>
                <TD noWrap align=right><FONT size=+3 
                  face=C39P36DmTt color="blue">*DYNP-770266110-00*</FONT> 
          </TD></TR></TBODY></TABLE></TD>
          <TD width=10>&nbsp; </TD>
        <TR></TR></TBODY></TABLE><BR>
      <TABLE border=1 width="95%" align=center>
        <TBODY>
        <TR class=table_head>
          <TD colSpan=4 align=left><B><FONT>Delivery Information 
            交货信息</FONT></B> </TD></TR>
        <TR>
          <TD size="20%"><B><FONT color=rgb(0,0,255)>工厂<BR>Plant</FONT></B> 
</TD>
          <TD colSpan=3>xxxxxx
          </TD></TR>
        <TR class=table_c2>
          <TD size="20%"><B><FONT color=rgb(0,0,255)>取货时间<BR>Pick Up 
            Time</FONT></B> </TD>
          <TD size="30%"><font color = "blue">2013-09-09&nbsp;&nbsp;16:30 </font></TD>
          <TD size="20%"><B><FONT color=rgb(0,0,255)>需要供应商反馈<BR>Need Duns 
            Response</FONT></B> </TD>
          <TD size="30%">N </TD></TR> 
 
        <TR>
          <TD size="20%"><B><FONT color=rgb(0,0,255)>交货日期<BR>Delivery 
            Date</FONT></B> &nbsp;&nbsp; </TD>
          <TD size="30%">2013-09-16 </TD>
          <TD size="20%"><B><FONT color=rgb(0,0,255)>窗口时间<BR>Window 
            Time</FONT></B> </TD>
          <TD size="30%">16:30 </TD></TR>
        <TR class=table_c2>
          <TD><B><FONT color=rgb(0,0,255)>卸货口<BR>Dock</FONT></B> </TD>
          <TD>CC-70D </TD>
          <TD><B><FONT color=rgb(0,0,255)>卸货口负责人<BR>Dock Incharger</FONT></B> 
          </TD>
          <TD>kkk</TD></TR>
        <TR>
          <TD><B><FONT color=rgb(0,0,255)>卸货口电话<BR>Dock Tel</FONT></B> </TD>
          <TD>011-1111 </TD>
          <TD><B><FONT color=rgb(0,0,255)>卸货口地址<BR>Dock Address</FONT></B> </TD>
          <TD>adress </TD></TR>
        <TR class=table_c2>
          <TD size="20%"><B><FONT color=rgb(0,0,255)>交货地点<BR>Delivery 
            Place</FONT></B> </TD>
          <TD colSpan=3></TD></TR>
        <TR>
          <TD><B><FONT color=rgb(0,0,255)>计划跟踪员<BR>Follow Up</FONT></B> </TD>
          <TD>kkkk </TD> 
 
          <TD><B><FONT color=rgb(0,0,255)>计划跟踪员电话/传真<BR>FollowUp 
            Tel/Fax</FONT></B> </TD>
          <TD>011-1111</TD></TR>
        <TR class=table_c2>
          <TD><B><FONT color=rgb(0,0,255)>交货说明<BR>Delivery Note</FONT></B> </TD>
          <TD colSpan=3></TD></TR></TBODY></TABLE><BR>
      <TABLE border=1 width="95%" align=center>
        <TBODY>
        <TR class=table_head>
          <TD colSpan=14 align=left><B><FONT>Part Information 零件清单</FONT></B> 
          </TD></TR>
        <TR>
          <TD align=middle><FONT color=rgb(0,0,0)>序号</FONT></TD>
          <TD align=middle><FONT color=rgb(0,0,0)>零件号</FONT></TD>
          <TD align=middle><FONT color=rgb(0,0,0)>零件说明</FONT></TD>
          <TD align=middle><FONT color=rgb(0,0,0)>需求数量</FONT></TD>
          <TD align=middle><FONT color=rgb(0,0,0)>承诺数量</FONT></TD>
          <TD align=middle><FONT color=rgb(0,0,0)>实收数量</FONT></TD>
          <TD align=middle><FONT color=rgb(0,0,0)>包装数</FONT></TD>
          <TD align=middle><FONT color=rgb(0,0,0)>料箱数</FONT></TD>
          <TD align=middle><FONT color=rgb(0,0,0)>料箱号</FONT></TD>
          <TD align=middle><FONT color=rgb(0,0,0)>实发料箱号</FONT></TD>
          <TD align=middle><FONT color=rgb(0,0,0)>实发料箱数</FONT></TD> 
 
          <TD align=middle><FONT color=rgb(0,0,0)>实收料箱号</FONT></TD>
          <TD align=middle><FONT color=rgb(0,0,0)>实收料箱数</FONT></TD>
          <TD align=middle><FONT color=rgb(0,0,0)>备注</FONT></TD></TR>
        <TR>
          <TD align=middle>1</TD>
          <TD align=middle><font color = "blue">12647212</font></TD>
          <TD align=middle></TD>
          <TD align=middle><font color = "blue">60</font></TD>
          <TD align=middle>60 </TD>
          <TD align=middle></TD>
          <TD align=middle><font color = "blue">15</font></TD>
          <TD align=middle><font color = "blue">4</font></TD>
          <TD align=middle><font color = "blue">P000000D</font></TD>
          <TD align=middle></TD>
          <TD align=middle></TD>
          <TD align=middle></TD>
          <TD align=middle></TD>
          <TD align=middle></TD></TR>
        <TR class=table_c2>
          <TD align=middle>2</TD>
          <TD align=middle><font color = "blue">12654172</font></TD>
          <TD align=middle></TD>
          <TD align=middle><font color = "blue">615</font></TD>
          <TD align=middle>615 </TD> 
 
          <TD align=middle></TD>
          <TD align=middle><font color = "blue">15</font></TD>
          <TD align=middle><font color = "blue">41</font></TD>
          <TD align=middle><font color = "blue">P000000D</font></TD>
          <TD align=middle></TD>
          <TD align=middle></TD>
          <TD align=middle></TD>
          <TD align=middle></TD>
          <TD align=middle></TD></TR></TBODY></TABLE><BR>
      </FORM>
</BODY></HTML>

假设页面为test.html,且最后一个表格Part Information的内容不固定，可能是1行也可能是多行。
如果要求抓蓝色字体部分怎么做？寻求解决方案。
[解决办法]
这个页面本身返回数据的时候就有蓝色在上面吗？若是，则



<?php
$string = '<TABLE width="100%" align=center>
  <TBODY>
  <TR>
    <TD>
      <TABLE border=0 width="100%">
        <TBODY>
        <TR>
          <TD width=10>&nbsp; </TD>
          <TD>
            <TABLE border=0 cellSpacing=1 cellPadding=0 width="95%" 
align=center>
              <TBODY>
              <TR>
                <TD height=40 align=left><B><FONT color=rgb(0,0,20)  
 
                  size=2>aaaaaa</FONT></B> <BR><B><FONT 
                  color=rgb(0,0,20) size=2>aaaaaa</FONT></B> </TD></TR>
              <TR>
                <TD height=40 align=left><FONT color=rgb(0,0,20) 
                  size=1>aaaaaa</FONT> <FONT color=rgb(0,0,20) 
                  size=1>xxxx(aaaaaa)</FONT> </TD></TR>
              <TR>
                <TD align=left><FONT color=rgb(0,0,20) size=1>aaaaaa</FONT> <FONT color=rgb(0,0,20) size=1>xxxx</FONT> </TD></TR>
              <TR>
                <TD align=left><FONT color=rgb(0,0,20) size=1>adress 
                  aaaaaa</FONT> <FONT color=rgb(0,0,20) size=1>adress</FONT> 
                </TD></TR></TBODY></TABLE></TD>
          <TD align=middle><IMG 
            src="http://aaa/DY/images/pus/DYNP_new.jpg"> 
</TD>
          <TD align=right>
            <TABLE border=0 cellSpacing=1 cellPadding=1 width="95%" 
align=center>
              <TBODY>
              <TR>
                <TD align=right><B><FONT color=rgb(0,0,20) 
                  size=4>交货计划单</FONT></B> </TD></TR> 
 
              <TR>
                <TD align=right><FONT color=rgb(0,0,20) 
                  size=1>计划到达时间&nbsp;&nbsp;&nbsp;2013-09-16 </FONT></TD></TR>
              <TR>
                <TD align=right><FONT color=rgb(0,0,20) size=2>PUS编号 
                  770266110&nbsp;&nbsp;&nbsp;版本00 </FONT></TD></TR>
              <TR>
                <TD align=right><FONT color=rgb(0,0,20) size=3>Customer 客户 
                  </FONT></TD></TR>
              <TR>
                <TD noWrap align=right><FONT size=+3 
                  face=C39P36DmTt color="blue">*DYNP-770266110-00*</FONT> 
          </TD></TR></TBODY></TABLE></TD>
          <TD width=10>&nbsp; </TD>
        <TR></TR></TBODY></TABLE><BR>
      <TABLE border=1 width="95%" align=center>
        <TBODY>
        <TR class=table_head>
          <TD colSpan=4 align=left><B><FONT>Delivery Information 
            交货信息</FONT></B> </TD></TR>
        <TR>
          <TD size="20%"><B><FONT color=rgb(0,0,255)>工厂<BR>Plant</FONT></B> 
</TD>
          <TD colSpan=3>xxxxxx 
 
          </TD></TR>
        <TR class=table_c2>
          <TD size="20%"><B><FONT color=rgb(0,0,255)>取货时间<BR>Pick Up 
            Time</FONT></B> </TD>
          <TD size="30%"><font color = "blue">2013-09-09&nbsp;&nbsp;16:30 </font></TD>
          <TD size="20%"><B><FONT color=rgb(0,0,255)>需要供应商反馈<BR>Need Duns 
            Response</FONT></B> </TD>
          <TD size="30%">N </TD></TR>
        <TR>
          <TD size="20%"><B><FONT color=rgb(0,0,255)>交货日期<BR>Delivery 
            Date</FONT></B> &nbsp;&nbsp; </TD>
          <TD size="30%">2013-09-16 </TD>
          <TD size="20%"><B><FONT color=rgb(0,0,255)>窗口时间<BR>Window 
            Time</FONT></B> </TD>
          <TD size="30%">16:30 </TD></TR>
        <TR class=table_c2>
          <TD><B><FONT color=rgb(0,0,255)>卸货口<BR>Dock</FONT></B> </TD>
          <TD>CC-70D </TD>
          <TD><B><FONT color=rgb(0,0,255)>卸货口负责人<BR>Dock Incharger</FONT></B> 
          </TD>
          <TD>kkk</TD></TR>
        <TR>
          <TD><B><FONT color=rgb(0,0,255)>卸货口电话<BR>Dock Tel</FONT></B> </TD>
          <TD>011-1111 </TD> 
 
          <TD><B><FONT color=rgb(0,0,255)>卸货口地址<BR>Dock Address</FONT></B> </TD>
          <TD>adress </TD></TR>
        <TR class=table_c2>
          <TD size="20%"><B><FONT color=rgb(0,0,255)>交货地点<BR>Delivery 
            Place</FONT></B> </TD>
          <TD colSpan=3></TD></TR>
        <TR>
          <TD><B><FONT color=rgb(0,0,255)>计划跟踪员<BR>Follow Up</FONT></B> </TD>
          <TD>kkkk </TD>
          <TD><B><FONT color=rgb(0,0,255)>计划跟踪员电话/传真<BR>FollowUp 
            Tel/Fax</FONT></B> </TD>
          <TD>011-1111</TD></TR>
        <TR class=table_c2>
          <TD><B><FONT color=rgb(0,0,255)>交货说明<BR>Delivery Note</FONT></B> </TD>
          <TD colSpan=3></TD></TR></TBODY></TABLE><BR>
      <TABLE border=1 width="95%" align=center>
        <TBODY>
        <TR class=table_head>
          <TD colSpan=14 align=left><B><FONT>Part Information 零件清单</FONT></B> 
          </TD></TR>
        <TR>
          <TD align=middle><FONT color=rgb(0,0,0)>序号</FONT></TD>
          <TD align=middle><FONT color=rgb(0,0,0)>零件号</FONT></TD>
          <TD align=middle><FONT color=rgb(0,0,0)>零件说明</FONT></TD>
          <TD align=middle><FONT color=rgb(0,0,0)>需求数量</FONT></TD> 
 
          <TD align=middle><FONT color=rgb(0,0,0)>承诺数量</FONT></TD>
          <TD align=middle><FONT color=rgb(0,0,0)>实收数量</FONT></TD>
          <TD align=middle><FONT color=rgb(0,0,0)>包装数</FONT></TD>
          <TD align=middle><FONT color=rgb(0,0,0)>料箱数</FONT></TD>
          <TD align=middle><FONT color=rgb(0,0,0)>料箱号</FONT></TD>
          <TD align=middle><FONT color=rgb(0,0,0)>实发料箱号</FONT></TD>
          <TD align=middle><FONT color=rgb(0,0,0)>实发料箱数</FONT></TD>
          <TD align=middle><FONT color=rgb(0,0,0)>实收料箱号</FONT></TD>
          <TD align=middle><FONT color=rgb(0,0,0)>实收料箱数</FONT></TD>
          <TD align=middle><FONT color=rgb(0,0,0)>备注</FONT></TD></TR>
        <TR>
          <TD align=middle>1</TD>
          <TD align=middle><font color = "blue">12647212</font></TD>
          <TD align=middle></TD>
          <TD align=middle><font color = "blue">60</font></TD>
          <TD align=middle>60 </TD>
          <TD align=middle></TD>
          <TD align=middle><font color = "blue">15</font></TD>
          <TD align=middle><font color = "blue">4</font></TD>
          <TD align=middle><font color = "blue">P000000D</font></TD>
          <TD align=middle></TD>
          <TD align=middle></TD> 
 
          <TD align=middle></TD>
          <TD align=middle></TD>
          <TD align=middle></TD></TR>
        <TR class=table_c2>
          <TD align=middle>2</TD>
          <TD align=middle><font color = "blue">12654172</font></TD>
          <TD align=middle></TD>
          <TD align=middle><font color = "blue">615</font></TD>
          <TD align=middle>615 </TD>
          <TD align=middle></TD>
          <TD align=middle><font color = "blue">15</font></TD>
          <TD align=middle><font color = "blue">41</font></TD>
          <TD align=middle><font color = "blue">P000000D</font></TD>
          <TD align=middle></TD>
          <TD align=middle></TD>
          <TD align=middle></TD>
          <TD align=middle></TD>
          <TD align=middle></TD></TR></TBODY></TABLE><BR>';

$result = array();
preg_match_all('#<font\s*color\s*=\s*"blue">(.*)</font>#iUus',$string,$result);
print_r($result[1]);

本身要是没蓝色的（id，class之类的也没有的）话那就只能全部单元格正则匹配出来按页面结构需要来取了
[解决办法]
$s 为你提供的页面内容

preg_match_all('#<td.+/td>#isU', $s, $r);
$r = array_map('trim', array_map('strip_tags', $r[0]));
print_r($r);

Array
(
    [0] => &nbsp;
    [1] => aaaaaa aaaaaa
    [2] => aaaaaa xxxx(aaaaaa)
    [3] => aaaaaa xxxx 
 
    [4] => adress 
                  aaaaaa adress
    [5] => 
    [6] => 交货计划单
    [7] => 计划到达时间&nbsp;&nbsp;&nbsp;2013-09-16
    [8] => PUS编号 
                  770266110&nbsp;&nbsp;&nbsp;版本00
    [9] => Customer 客户
    [10] => *DYNP-770266110-00*
    [11] => &nbsp;
    [12] => Delivery Information 
            交货信息
    [13] => 工厂Plant
    [14] => xxxxxx
    [15] => 取货时间Pick Up 
            Time
    [16] => 2013-09-09&nbsp;&nbsp;16:30
    [17] => 需要供应商反馈Need Duns 
            Response
    [18] => N
    [19] => 交货日期Delivery 
            Date &nbsp;&nbsp;
    [20] => 2013-09-16
    [21] => 窗口时间Window 
            Time
    [22] => 16:30
    [23] => 卸货口Dock
    [24] => CC-70D
    [25] => 卸货口负责人Dock Incharger
    [26] => kkk
    [27] => 卸货口电话Dock Tel
    [28] => 011-1111
    [29] => 卸货口地址Dock Address
    [30] => adress
    [31] => 交货地点Delivery 
            Place
    [32] => 
    [33] => 计划跟踪员Follow Up
    [34] => kkkk
    [35] => 计划跟踪员电话/传真FollowUp 
            Tel/Fax
    [36] => 011-1111 
 
    [37] => 交货说明Delivery Note
    [38] => 
    [39] => Part Information 零件清单
    [40] => 序号
    [41] => 零件号
    [42] => 零件说明
    [43] => 需求数量
    [44] => 承诺数量
    [45] => 实收数量
    [46] => 包装数
    [47] => 料箱数
    [48] => 料箱号
    [49] => 实发料箱号
    [50] => 实发料箱数
    [51] => 实收料箱号
    [52] => 实收料箱数
    [53] => 备注
    [54] => 1
    [55] => 12647212
    [56] => 
    [57] => 60
    [58] => 60
    [59] => 
    [60] => 15
    [61] => 4
    [62] => P000000D
    [63] => 
    [64] => 
    [65] => 
    [66] => 
    [67] => 
    [68] => 2
    [69] => 12654172
    [70] => 
    [71] => 615
    [72] => 615
    [73] => 
    [74] => 15
    [75] => 41
    [76] => P000000D
    [77] => 
    [78] => 
    [79] => 
    [80] => 
    [81] => 
)

读取某项内容不是什么难事吧？

//第二个表从下标 40 开始，14 列
$t = array_chunk(array_slice($r, 40), 14);
for($i=1; $i<count($t); $i++) 
  $res[] = array_combine($t[0], $t[$i]);
print_r($res);

Array
(
    [0] => Array
        (
            [序号] => 1
            [零件号] => 12647212 
 
            [零件说明] => 
            [需求数量] => 60
            [承诺数量] => 60
            [实收数量] => 
            [包装数] => 15
            [料箱数] => 4
            [料箱号] => P000000D
            [实发料箱号] => 
            [实发料箱数] => 
            [实收料箱号] => 
            [实收料箱数] => 
            [备注] => 
        )

    [1] => Array
        (
            [序号] => 2
            [零件号] => 12654172
            [零件说明] => 
            [需求数量] => 615
            [承诺数量] => 615
            [实收数量] => 
            [包装数] => 15
            [料箱数] => 41
            [料箱号] => P000000D
            [实发料箱号] => 
            [实发料箱数] => 
            [实收料箱号] => 
            [实收料箱数] => 
            [备注] => 
        )

)

热点排行

PHP

网页报表信息抓取