php - pagina - scraping web

Php cURL Web Scraping

Question

Quiero raspar el precio del teléfono móvil desde la URL del sitio web: http://www.flipkart.com/apple-iphone-5s/p/itmdv6f75dyxhmt4?pid=MOBDPPZZDX8WSPAT

Si ve el código, el precio se coloca en el siguiente SPAN

<div class="pricing line">
        <div class="prices" itemprop="offers" itemscope="" itemtype="http://schema.org/Offer">
                    <div>
                        <span class="selling-price omniture-field" data-omnifield="eVar48" data-eVar48="37500">Rs. 37,500</span> // Fetch this price
                    </div>
                    <span class="sticky-message">Selling Price</span>
            <meta itemprop="price" content="37,500"> 
            <meta itemprop="priceCurrency" content="INR">
        </div>
</div>

Mi código para obtener esto hasta ahora es:

<?php
$curl = curl_init(''http://www.flipkart.com/apple-iphone-5s/p/itmdv6f75dyxhmt4?pid=MOBDPPZZDX8WSPAT'');
curl_setopt($curl, CURLOPT_RETURNTRANSFER, TRUE);

$page = curl_exec($curl);

if(!empty($curl)){ //if any html is actually returned

    $pokemon_doc->loadHTML($curl);
    libxml_clear_errors(); //remove errors for yucky html

    $pokemon_xpath = new DOMXPath($pokemon_doc);

    //get all the h2''s with an id
    $pokemon_row = $pokemon_xpath->query(''//h2[@id]'');

    if($pokemon_row->length > 0){
        foreach($pokemon_row as $row){
            echo $row->nodeValue . "<br/>";
        }
    }
}

else
    print "Not found";
?>

Esto muestra un error:

Error fatal: llamada a una función miembro loadHTML () en un no objeto en D: / xampp / htdocs / jiteen / php-scrape / phpScrape.php en la línea 9

¿Qué debo hacer? No puedo rastrear el error

Answer 1

Primero, olvidaste crear una instancia de la clase DOMDocument , (al menos en el código que tienes en esta pregunta).

$curl = curl_init(''http://www.flipkart.com/apple-iphone-5s/p/itmdv6f75dyxhmt4?pid=MOBDPPZZDX8WSPAT'');
curl_setopt($curl, CURLOPT_RETURNTRANSFER, TRUE);
curl_setopt($curl,CURLOPT_USERAGENT,''Mozilla/5.0 (Windows; U; Windows NT 5.1; en-US; rv:1.8.1.13) Gecko/20080311 Firefox/2.0.0.13'');

$page = curl_exec($curl);

if(!empty($curl)){ //if any html is actually returned

    $pokemon_doc = new DOMDocument;
    libxml_use_internal_errors(true);
    $pokemon_doc->loadHTML($page);
    libxml_clear_errors(); //remove errors for yucky html

    $pokemon_xpath = new DOMXPath($pokemon_doc);

    $price = $pokemon_xpath->evaluate(''string(//div[@class="prices"]/meta[@itemprop="price"]/@content)'');
    echo $price;

    $rupees = $pokemon_xpath->evaluate(''string(//div[@class="prices"]/div/span)'');
    echo $rupees;
}
else {
    print "Not found";
}

Muestra de salida