【PHP】Simple HTML DOM Parserを使って指定Webページの記事タイトルを取得する

公開日: : 最終更新日:2014/08/14 PHP

スポンサーリンク

PHPのスクレイピングライブラリのSimple HTML DOM Parserを使って指定Webページのタイトルを取得してみます。
まずはスクレイピングの対象とするページを決めます。今回はこの前のブログのこの記事にします。

そしたら、そこのタイトルの要素がどのようになっているのかブラウザから調査します。今回はChromeで調べましたが、他のブラウザでもこういった機能は付いているのでそちらを活用してください。

20140526-1.jpg

右クリックから『要素を検証』をクリックし、タイトル上でさらに右クリックするとその要素部分にまで移動します。

20140526-2.png

するとこのページのタイトル部分は単純な『h2』タグで囲まれていることが判明しました。
後はsimplehtmldomparserを使ってその要素のタイトル部分となっているテキストを取得してくるだけです。

require_once dirname(__FILE__) .'/simple_html_dom.php';
//指定したURL
$url = 'http://shouginekochann.blog9.fc2.com/blog-entry-213.html';
//URLからsimple_html_domオブジェクトを生成する
$html = file_get_html( $url );
//指定要素の中のテキストを取得
//第2引数に0を指定しない場合simple_html_domオブジェクト配列が返ってくる
$title = $html->find('h2',0)->innertext;
//メモリの解放
$html->clear();
echo "タイトルは『".$title."』です。";

(↑ブログの編集でリンク先を追加しました)

こんな感じでタイトルを無事取得できました。findの第一引数はjQueryのセレクタとほぼ同じです(違いはよく知りませんごめんなさい)。第2引数は複数要素ある中の何番目かどうかといった指定で、この場合は要素が一つしかなく、当然、一番初めにくるので0を指定していますが、例えば、複数ある場合で2番目が欲しいときは1を指定してください。

こういったブログ形式のものであれば各記事のタイトルや作成日時、タグなどの情報はいつも同じ要素で指定されているため、この応用でどんな記事のどの要素でも取得してくることが可能です。
ただし、スクレイピングは先方にも迷惑になる場合があるので十分注意して行ってください。

カードキャプターさくら ねんどろいど 木之本桜 (ノンスケール ABS&PVC塗装済み可動フィギュア)

スポンサーリンク
Amazon
  • このエントリーをはてなブックマークに追加

関連記事

【MySQL・PHP】WHERE句とORDER BY句を使った#1064エラーについて

MySQLで次のようなクエリを出すとエラーとなって帰ってきました。 SELECT * from

記事を読む

【PHP】file_get_contentsでリンク元などのヘッダ情報を変更する

file_get_contentsで他サイトの情報を読み取る際などでリンク元を明記したい場合は以下の

記事を読む

【PHP】dateで指定日前の日付を出力する

指定日前の日付の取得方法 date_default_timezone_set('Asia/

記事を読む

【CakePHP3】無関係な複数テーブルのデータを一つのコントローラで扱う

CakePHP3で一つのコントローラないでお互い独立したテーブルを扱うには単純にTableRegis

記事を読む

PEARをレンタルサーバーにインストールする

共用レンタルサーバーにPEARをインストールしたときにてこずったところについてメモ。今回レンタルサー

記事を読む

スクレイピングをサポートしてくれるAPI【kimono】

kimonoというスクレイピングをAPI化してくれるという素晴らしいサービスがあります。

記事を読む

no image

【PEAR】Services_AmazonのItemLookupで複数ASINを指定する

Amazon Product Advertising APIをPEARのServices_Amazo

記事を読む

【TwitterOauth】特定のつぶやきを取得してリツイート数順やランダム順にする【PHP】

TwitterOauthを利用して特定のワードをつぶやいたデータを取得してそれをリツイート順なりに並

記事を読む

【PHP】クラスの配列をソートする

クラスのメンバに応じて配列をusortでソートします。クラス内の関数でソートする場合は下のようにする

記事を読む

ニコニコ動画のURLリンクから外部プレイヤーのスクリプトに正規表現で置換する

ニコニコ動画の動画のアドレスを抽出して外部プレイヤー貼りつけソースのスクリプトに変換するソースです。

記事を読む

UWSCを使ったソフト自動立ち上げ【SoftEther VPN Server】

やりたいこと 最近SoftEtherという筑波大学発のベンチャー企業

【PHP】headerでContent-Typeを指定したのに効かない場合の対処法

PHPでサイトマップを作ろうと思い、XML形式のファイルを出力しようと

スマホ向け幅固定サイトの回転時の幅対応方法

幅固定サイトでのスマホ回転時Webサイトの横幅を合わせる方法のメモ。

【PHP】特定のURLからそのAtomやRSSのフィードを抽出する方法

特定のURLからRSSやATOMのフィードを抽出する方法をメモ。 流

フィード抽出ツール(RSS1.0、RSS2.0、atom)

任意URL サイト名 サイトURL RSS1.0

格安プラン限定レンタルサーバー機能比較表(2016年)

はじめに  最近新しい共用サーバーをレンタルしようと思い調査およびそ

kindle unlimitedが便利だったのでお勧めの使い方など感想メモ

 kindle unlimitedというサービスが8/3からAmazo

→もっと見る

  • Author : ががんぼ
    プログラミングやWeb関係で気付いたことについてメモしていく予定。だいたいが備忘録ですが、自分でサンプルを作って動かしてみたりしています。
PAGE TOP ↑