Creare array da tabella HTML con preg_match_all

[miki92]

Buongiorno,
ho grabbato e modificato in parte questo codice da un sito web:

Codice su pastebin (AlterVista non permetteva tutti questi caratteri)

Ho la necessità di estrarre i dati da ogni singola cella ed averli in un array così da ricostruire completamente la tabella con i miei codici facendola divenire, tra l'altro, responsive.

So che devo utilizzare preg_match_all ma con tutti i codici trovati in rete non sono riuscito ad ottenere tutti i dati ma solo una riga o massimo 5 ed anche in modo errato.
Qualcuno sa aiutarmi ad avere un array con i vari dati? Purtroppo le regex sono sempre il mio tallone d'Achille.

Grazie a chi mi aiuterà

[saitfainder]

Che regexp hai usato fino ad ora?

[karl94]

Ma è un lavoro che devi fare una tantum o ti serve uno script che funzioni automaticamente? Per lavori di questo tipo io eviterei le espressioni regolari, piuttosto caricherei l'albero del documento e lavorerei su di esso con i metodi del DOM ad esempio.

[miki92]

Che regexp hai usato fino ad ora?

• %<td>((?s).*?)</td>%
• #<tr>\s+?<td>(.*?)</td>\s+?<td>(.*?)</td>\s+?</tr>#

E altre che non ricordo ma che ho scopiazzato da stackoverflow.

Ma è un lavoro che devi fare una tantum o ti serve uno script che funzioni automaticamente? Per lavori di questo tipo io eviterei le espressioni regolari, piuttosto caricherei l'albero del documento e lavorerei su di esso con i metodi del DOM ad esempio.

Il source di quella pagina cambia circa ogni 10 minuti quindi ho bisogno che lo script sia automatizzato. Ho provato ad usare simple_xml_dom ma recupera solo una riga.

[saitfainder]

Dovrebbe essere una cosa del genere:

/<td .+?>(.*?)</td>/s

Mi raccomando la "s" finale perché il match non deve considerare i ritorno a capo.

[miki92]

Sembrerebbe funzionare un po' meglio delle vecchie regex ma è comunque un casino riuscire a ricostruire quella tabella.
Conosci mica qualche altro metodo veloce?

[alemoppo]

Ma se fai l'explode di '<b>' e prendi tutto fino a '</td>' per ogni elemento ?

Ciao!

[miki92]

Credo che non funzionerebbe. Guarda bene. Sono 3 tabelle. A me interessa l'ultima.

[alemoppo]

Beh ma poi hai un array di stringhe di tutti gli elementi... Non so se il numero di elementi può variare (dipende ovviamente dal sorgente), ma potresti prendere le stringhe che ti interessano, del tipo

$s = explode('<b>', $contenuto);
$parte1 = substr($s[0], 3, (strpos($s[0], '</b>')=== false)?strpos($s[0], '</td>'):strpos($s[0], '</b>'));
$parteN = substr($s[0], 3, (strpos($s[N], '</b>')=== false)?strpos($s[N], '</td>'):strpos($s[N], '</b>')); 

(ho fatto che cerca sia </b>, sia </td> perché ho visto che a volte </b> non c'é), ma non ho analizzato bene la pagina se ci son altri casi...

Non so però in termini di prestazioni se è meglio: so che le espressioni regolari non sono un gran ché, ma tra questo modo e l'altro non so quale sia il migliore...

p.s: non ho capito perché non puoi usare i metodi del DOM, che sono fatti apposta.

Ciao!

[saitfainder]

Sembrerebbe funzionare un po' meglio delle vecchie regex ma è comunque un casino riuscire a ricostruire quella tabella.

Beh, quella prende il contenuto di tutte le celle, che sarebbe il primo passaggio e quello che mi sembrava ti servisse. Poi cos'è che ti crea difficoltà?

Credo che non funzionerebbe. Guarda bene. Sono 3 tabelle. A me interessa l'ultima.

Io ti consiglierei di utilizzare questa classe, mi ci sono sempre trovato bene nel grab di pagine web( in accoppiata con cUrl) .
Leggiti la documentazione e vedi gli esempi inclusi.

http://sourceforge.net/projects/simplehtmldom/

[miki92]

MonasteriConventi è proprio quella la classe che ho usato ma la tabella da un po' di difficoltà.