Hallo,

ich möchte von einer Webseite in wiederkehrenden Zyklen bestimmte Informationen beziehen. Um dies zu bewerkstelligen verwende ich derzeit PHP und lade die Internetseite direkt in ein DOMDocument Object. Den DOMDocument Tree durchsuche ich dann nach einem speziellem Element welches immer den selben Namen hat, erstelle daraus ein weitere DOMDocument durch das ich mich mithilfe von DOMxpath bewegen kann um somit an alle benötigten Informationen zu kommen, solange ich den XPath angebe.

Soweit funktioniert auch alles, nur Funktionalität ist nicht alles, ich stelle mir deshalb ständig die Frage, "geht das nicht besser" ?

Ich mache das normalerweise mit curl und anschliessendem Parsing mittels regexp.
Geht schön schnell und ist wenig code.

Beispiel:

$ch = curl_init("http://www.meine-seite.de");
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
$output = curl_exec($ch);
curl_close($ch);
preg_match($pattern,$output,$treffer);
print_r($treffer);

Naja Content-Klau ist immer mit relativ viel Aufwand verbunden, da man sich nie sicher sein kann, ob der Eigentümer die Struktur beibehält. Außerdem ist es nicht die feine Art.

Evtl. kommst du ja besser, wenn du den Eigentümer einfach mal anschreibst und fragst ob er ein Webservice bereitstellen kann ?

Ansonsten geht es nicht anders als das Dokument herunterzuladen und dann zu parsen.
Das parsen kann man nun auf unterschiedliche Weise tun. Entweder man hangelt sich an der HTML Struktur entlang oder man holt sich den Inhalt mit einer Regex anhand von Ankerpunkten.

MfG