【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

【PHP・MySQL】Fatal error: Class ‘mysqli’ not found

Fatal error: Class 'mysqli' not found このエラーはmys

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

Twitterアカウントのアクセストークンを取得する方法

TwitterでBotなどを作るときアクセストークンとコンシューマキーが必要になります。 ざっくり

記事を読む

【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

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

【Laravel5】既存のDBからデータを取得して表示する

はじめに 今まで作ったWebサイトをLaravel5で見れるようにしたのでその時のメモです。

記事を読む

YoutubeのURLリンクを外部プレイヤーのものに正規表現で置換する

Youtubeのアドレスを正規表現を使って抽出して外部プレイヤーのフレームに変換・置換するスクリプト

記事を読む

【PHP】Simple HTML DOM Parserを使って属性の値を取得する

PHPでSimple HTML DOM Parserを使ったスクレイピングで指定の属性の値を取得する

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でページリロードをしようと思ったができなかったので

header("Location: ".$_SERVER); とすればページをリロードでき

記事を読む

【Laravel5】既存のDBからデータを取得して表示する

はじめに 今まで作ったWebサイトをLaravel5で見れるようにし

【C++/OpenCV】cv::Matの画像にインパルスノイズを付加する

OpenCVで画像にノイズを付け足したいと思って調べたところ、Pyth

Intel Corei7-7700TでHTC Viveの動作確認

はじめに HTC ViveというVRヘッドセットで遊んでみたのでその

【Python】フォルダ内のカッコ付き数字ファイルを一括でリネームするスクリプト

はじめに タイトルどおりなのですが、指定フォルダ内のファイルのファイ

OpenCV3.1のTracking APIでトラッキングを試す

はじめに 先日OpenCV3.1をopencv_contrib付きで

パソコンを複数台使う際便利なツール

はじめに 先日、機械学習用にGPUを積んだBTOパソコンを購入しまし

OpenCV3.1をopencv_contrib付きでVisual Studio2013でビルドしてインストールする

はじめに OpenCV3.1でトラッキングがしたいと思いインストーラ

→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 ↑