【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
  • このエントリーをはてなブックマークに追加

関連記事

WordPressサイトのSSL対応(HTTPS化)手順のまとめ【さくらサーバー】

先週頃にこのサイトをSSL対応しましたのでその流れについてまとめておき

【Google Charts】動的にグラフを更新する方法

はじめに Webサイト上でグラフを描こうと思った場合、いくつかのJa

体重変化量計算シミュレータ【ダイエット/肥満】

ツール本体 入力 カロリー入力 1日の余剰摂取/消費カロリー

おサイフケータイ対応ストレージ32GBのSIMフリースマホまとめ【2017年秋版】

はじめに SIMフリーの格安スマホのおサイフケータイ機能付きのもので

リクルート期間限定ポイントの有効な使い道

はじめに  先日クレジットカードの見直し活動の一環でポイント還元率の

初心者がお金を貯めるための節約・財テク手法まとめ【ポイント還元・投資・税金対策】

はじめに  最近なるべく節約しようと思い、お金周りに関して色々調べて

動画講座を効率的にキャプチャして復習する方法

はじめに  最近、動画媒体の講座などをたまに視聴しています。独学だと

→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 ↑