使用简单 html dom 解析器导致问题的不一致元素

Question

我正在使用 simple_html_dom.php 抓取以下来源： http://www.forexfactory.com/calendar.php

我正在抓取 table 元素 td.event 和 td.actual.

问题是，如果你查看源代码，你会看到 td.event 都有 span 元素，我是这样剥离的：

$events = array();
foreach ($html->find('td.event') as $event) {
    foreach($event->find('span') as $e) {
        $events[] = $e->innertext;
    }
}

所以

<td class="event"><span>Spanish Unemployment Change</span></td>

很好地给了我

Spanish Unemployment Change

但是td.actual元素不一致，有的包含span元素，有的不包含。所以问题是，由于这种不一致，我如何检索某些范围内的文本，而不是其他范围内的文本？

例如

<td class="actual">46.9</td>

对

<td class="actual"> <span class="better">54.0</span> </td>
<td class="actual"> <span class="worse">-64.4K</span> </td>

Answer 1

您可以只使用 plaintext 方法，如下所示：

$actuals = array();

foreach ($html->find('td.actual') as $actual) {
    $actuals[] = $actual->plaintext;
}

Inconsistent elements causing problems using simple html dom parser