1

Olá, estou criando um projeto que preciso pegar uns textos dentro de uma lista em outro site, vou mostrar como eu preciso;

Estou usando o file_get_contents;

$url = "www.site.com";
$html = file_get_contents($url);
$getTextoList = "";
preg_match_all($getTextoList, $html, $GetTexto);
$GetTexto = str_replace(" ", ", ", $$GetTexto[1][0]);

No site tem uma lista assim:

<div class="listdoTexto">
<ul>                                                                    
<li class="texto"><a href="textolink">texto</a></li>
<li class="texto"><a href="textolink">texto</a></li>
<li class="texto"><a href="textolink">texto</a></li>
<li class="texto"><a href="textolink">texto</a></li>
</ul>
</div>

Eu queria pegar apenas o "texto" que esta entre <a></a> dessa lista.

2

1 Resposta 1

0

Você pode usar a regex no preg_match_all:

|<div class="listdoTexto">[\w\W]*<\/ul>|

Onde [\w\W]* irá pegar qualquer caractere entre <div class="listdoTexto"> e <\/ul>:

\w -> qualquer caractere alfanumérico e underscore "_")
\W -> qualquer caractere NÃO alfanumérico e underscore "_")
*  -> uma ou quantas ocorrências houverem entre o último </ul> até <div class="listdoTexto">

Isso irá me retornar uma Array no índice [0], onde contém o resultado que desejo. Neste caso converto a Array em string com implode:

$GetTexto = implode(",", $GetTexto[0]);

Porém podemos ter um problema se houver mais lista no HTML. Exemplo:

         |→ <div class="listdoTexto">
         |    <ul>
Só quero |       <li class="texto"><a href="textolink">texto1</a></li>
pegar    |       <li class="texto"><a href="textolink">texto2</a></li>
esta     |       <li class="texto"><a href="textolink">texto3</a></li>
parte... |       <li class="texto"><a href="textolink">texto4</a></li>
         |→    </ul>
            </div>

           <div class="listdoTexto2">
              <ul>                
..mas o          <li class="texto"><a href="textolink">texto5</a></li>
regex irá          <li class="texto"><a href="textolink">texto6</a></li>
até aqui →    </ul>
           </div>

Ou seja, o resultado do $GetTexto após o implode seria isto:

<div class="listdoTexto">
   <ul>
      <li class="texto"><a href="textolink">texto1</a></li>
      <li class="texto"><a href="textolink">texto2</a></li>
      <li class="texto"><a href="textolink">texto3</a></li>
      <li class="texto"><a href="textolink">texto4</a></li>
  </ul>
</div>

<div class="listdoTexto2">
   <ul>
      <li class="texto"><a href="textolink">texto5</a></li>
      <li class="texto"><a href="textolink">texto6</a></li>
  </ul>

Como eu quero pegar somente até o primeiro </ul>, posso usar substr com strpos:

$GetTexto = substr($GetTexto, 0, strpos($GetTexto, "</ul>"));

O resultado agora é esse:

<div class="listdoTexto">
   <ul>
      <li class="texto"><a href="textolink">texto1</a></li>
      <li class="texto"><a href="textolink">texto2</a></li>
      <li class="texto"><a href="textolink">texto3</a></li>
      <li class="texto"><a href="textolink">texto4</a></li>
  </ul>

Como só quero o texto, uso strip_tags para eliminar as tags:

$GetTexto = strip_tags($GetTexto);

Irá retornar somente o texto, mas com quebra de linha e possíveis espaços antes, depois ou entre os textos:

texto1
texto2
texto3
texto4

Posso usar preg_replace com trim para substituir as quebras de linha e os espaços indesejados por ,,, que depois será usado posteriormente em um replace:

$GetTexto = preg_replace("/\s{2,}|\n/", ",,", trim($GetTexto));

Agora temos:

texto1,,texto2,,texto3,,texto4

Agora para separar os textos com vírgula e espaço, pode usar str_replace substituindo as ,,:

$GetTexto = str_replace(",,", ", ", $GetTexto);

Resultado final:

texto1, texto2, texto3, texto4

Apesar de chegar ao resultado final, não sei se essa seria a melhor abordagem. Pode ser que haja um método usando Document Object Model mais eficiente, mas espero que ajude.

Código:

$url = "http://www.site.com";
$html = file_get_contents($url);

$getTextoList = '|<div class="listdoTexto">[\w\W]*<\/ul>|';
preg_match_all($getTextoList, $html, $GetTexto);

$GetTexto = implode(",", $GetTexto[0]);
$GetTexto = substr($GetTexto, 0, strpos($GetTexto, "</ul>")); // 
$GetTexto = strip_tags($GetTexto);
$GetTexto = preg_replace("/\s{2,}|\n/", ",,", trim($GetTexto));
$GetTexto = str_replace(",,", ", ", $GetTexto);

Teste no Ideone

11
  • Pode me ajudar, eu estava recebendo um erro de SSL, então corrige colocando $arrContextOptions=array( "ssl"=>array( "verify_peer"=>false, "verify_peer_name"=>false, ), ); só que eu coloco a url e não recebo nada na input, onde coloquei para gerar esse valor.
    – user81560
    Commented 31/03/2018 às 13:54
  • $html = file_get_contents($url, false, stream_context_create($arrContextOptions));
    – user81560
    Commented 31/03/2018 às 13:54
  • Eu fiz alguns testes e o html estar vindo, mais á algo errado aqui:
    – user81560
    Commented 31/03/2018 às 14:31
  • 1
    Opa! Cara, funciona sim. O que deu errado?
    – Sam
    Commented 31/03/2018 às 16:37
  • 1
    Vou analisar aqui...
    – Sam
    Commented 31/03/2018 às 18:10

Você deve fazer log-in para responder a esta pergunta.