データ取得をPHP Simple HTML DOM Parserに

今まではPHPのcURLで、
取得→ローカル保存→整形して出力
の形式をとっていたけど、最近は「スクレイピング」って立派な名前がついて（知らないだけ？）
便利なライブラリが出てるとのこと。

中身はfile_get_contentsらしいってーから悩んだけど、
使いやすそうだったから試してみることに。

細かいとこは加齢にスルーですよ。
わかりやすい参考サイトがあるのでそちらドゾ。

• PHP Simple HTML DOM Parser Manual
• Simple HTML DOM Parserの日本語訳

要件

• 情報は外部取得（http
• リアルタイムではなく、cronで数時間おきに取得→サーバーにファイルで保存
• 複数ページで呼ぶので、php配列とかだとイトオカシ

実践

<?php
require_once './simple_html_dom.php';//読み込む
$html = file_get_html('http://example.com');//ここスクレイピングするよ
foreach($html->find('.hoge tr') as $article) {//table.hogeのtrをクルクル
    $item['a'] = $article->find('td', 0)->plaintext;//td内だけ（タグ抜き）を$item配列に
    $item['b'] = $article->find('td', 1)->plaintext;
    $item['c'] = $article->find('td', 2)->plaintext;
    $item['d'] = $article->find('td', 3)->plaintext;
    $item['e'] = $article->find('td', 4)->plaintext;
    $item['f'] = $article->find('td', 5)->plaintext;
    $item['g'] = $article->find('td', 6)->innertext;
    $articles[] = $item;//多次元（連想？）配列に
}
file_put_contents("hoge.txt", serialize($articles));//hoge.txtにシリアライズして保存
$html->clear;//おまじない（メモリ解放。お約束の模様）

こんなん感じで書いておき、cronで回す。
外から叩かれてスクレイプ元に負荷かからないよう、.htaccessで制限かけたり（←心配性

配列のままファイルに置いとくには、上記みたいにfile_put_contents(serializeとすると便利とのこと。
んで、表示（展開）側

<?php
$item = unserialize(file_get_contents("hoge.txt"));//保存してあるデータをアンシリアライズ
function hyouji($count) {//表示用関数
    global $item;//関数内側なら不要だぬ
    echo "<li>{$item[$count]['a']}</li><li>{$item[$count]['c']}</li><li>{$item[$count]['g']}</li><li>{$item[$count]['b']}</li>";
//表示する構造とか
}
?>

後は<ul><?php hyouji(2); ?></ul>とか書いとくと、
3番目の<tr>に入ってたデータがリストで表示されちゃったりします。
嗚呼激しく便利ｗ