HtmlSQL Class. Parsear Contenido HTML

Vimos anteriormente cómo parsear contenido XML mediante Magpie RSS, pero en muchos casos una web puede no ofrecer un RSS y el contenido que necesitamos parsear se encuentra en HTML. Vamos a ver hoy como hacerlo mediante la clase HtmlSQL. 

Lo primero que debemos hacer es descargar la clase:

Descargar

Una vez descargada y subida a nuestro servidor podremos comenzar a trabajar con esta clase.Vamos a ver cómo realizar una consulta simple con htmlSQL. Lo primero será incluir la librería:

include_once("../snoopy.class.php");
include_once("../htmlsql.class.php");
$wsql = new htmlsql();

Nos conectamos a la URL:

if (!$wsql->connect('url', 'http://codedump.jonasjohn.de/')){
print 'Error durante la consección: ' . $wsql->error;
exit;
}

Ahora ya podremos realiar una consulta. En este ejemplo extraeremos todos los links que posean la clase "nav_item" (class="nav_item"):

if (!$wsql->query('SELECT * FROM a WHERE $class == "nav_item"')){
print "Query error: " . $wsql->error;
exit;
}

Ya podremos mostrar los resultados:

foreach($wsql->fetch_array() as $row){
print_r($row);
$row is an array and looks like this:
Array (
[href] => /feedback.htm
[class] => nav_item
[tagname] => a
[text] => Feedback
)
}

Esto es solo un ejemplo, al descargar la clase encontrarán muchos más ejemplo de lo que se puede realizar con esta clase. Les recomendamos visitar la web de sus creadores.