[求助]网页内容解析实现方法？

yb0312

对网页中的信息进行采集，
如对cu首页的“论坛热点讨论”的新闻进行采集。
需要对整个cu首页进行分析，去掉无用的信息，将“论坛热点讨论”下的内容采集，并存入数据库。
我的想法是，采用preg_match 或 用js进行xml解析。
向各位高手请教下基本的思路及实现方法，感谢。

liuxingyuyuni

采集不懂，帮你顶

fan12

好象用正则表达式做

d_bsky

呵呵 我也不懂 .帮你顶

ashchen

要做垃圾站？

alexru

用正则可以实现

a_coder

原帖由 ashchen 于 2008-3-3 00:20 发表
要做垃圾站？

顶

yuxiaqiao

最好用socket，bind 80获取数据比较OK

yb0312

谢谢大家这么热心。
我做这个的目的，主要是想实时采集某些网站发布的数据（绝非垃圾网站 ），
自己一行一行的输入是很浪费时间跟精力的。
目标数据是采用表格结构发布，需要分析<table>并截取数据，
现在的问题是目标网页中<table>太多,
正则是一件很恼火的工作，
哪位有现成的代码或给个示例？
谢谢

hshq_cn

如果table是嵌套的就麻烦了，
可以不用限定于一种技术，
例如，先过滤掉无关信息，而且不要破坏格式，
然后在客户端，浏览器解析成dom结构，
就可以用js取得table的内容了。