最稳方式是file_get_contents()配合DOMDocument解析表格，因其容错性强、支持乱码处理、能准确提取textContent，且避免正则匹配嵌套table或JS渲染导致的崩溃。
用 file_get_contents() + DOMDocument 解析表格最稳
直接用 file_get_contents() 拿到 HTML，再丢给 DOMDocument 解析，是 PHP 抓取网页表格最可靠的方式。正则匹配 标签容易崩——只要页面里有嵌套 、JS 动态插入、或属性换行，就大概率漏数据或报错。
实操建议：
-
libxml_use_internal_errors(true) 必加，否则 HTML 不规范（比如缺少闭合标签）会直接抛 Warning 中断脚本
- 加载后调用
$dom->loadHTML(mb_convert_encoding($html, 'HTML-UTF8', 'UTF-8'))，避免中文乱码
- 用
$dom->getElementsByTagName('table') 获取所有表格，再按索引或 class 属性定位目标表，比如 $table = $tables->item(0)
- 遍历
→ 或 时，用 $cell->textContent 取值，别用 nodeValue ——它会把内部标签（如 遇到 JavaScript 渲染的表格怎么办
如果 file_get_contents() 拿到的 HTML 里没有 ，说明表格由 JS 动态生成。PHP 原生不执行 JS，硬抓没用。
可行路径只有两个：
立即学习“PHP免费学习笔记（深入）”；
- 查网页 Network 面板，看表格数据是否来自独立 API 接口（比如
/api/data?year=2024），直接请求那个 URL，通常返回 JSON，用 json_decode() 解析更干净
- 真要渲染页面，得换工具：用
headless Chrome 配合 Puppeteer 或 Selenium，PHP 调用其 HTTP 接口（如 chrome-devtools-protocol 封装服务），但部署成本高，仅限必要场景
别试 file_get_contents() 加延时再读——没用，PHP 不跑 JS。
simple_html_dom 能不能用？慎选
这个第三方库写法看着简单，比如 $html->find('table tr')，但实际问题不少：
- 对 malformed HTML 容错差，某些页面会卡死或返回空数组
-
内存占用比原生
DOMDocument 高一倍以上，抓大表格（千行+）容易超限
- 不支持命名空间，遇到 XHTML 或含
xmlns 的表格，find() 可能完全失效
- 已多年未维护，PHP 8.1+ 下部分方法有弃用警告
除非项目已重度依赖它且无法重构，否则新代码优先用 DOMDocument。
表格跨行（rowspan）、跨列（colspan）怎么对齐
原始 HTML 表格结构 ≠ 二维数组。遇到 rowspan="2"，同一单元格会在两行中“出现”，但 DOM 解析后只有一份节点。手动还原逻辑必须补位。
关键点：
- 遍历前初始化二维数组
$grid = []，并记录当前行号 $row 和列号 $col
- 对每个
，先跳过已被上一行 rowspan 占用的位置（查 $grid[$row][$col] 是否已设值）
- 取
$cell->getAttribute('rowspan') 和 $cell->getAttribute('colspan')，循环向右/向下填空值，确保后续行的列索引正确
- 别依赖
getElementsByTagName('td') 的顺序——它按文档流返回，不是按表格视觉位置
这步逻辑看似琐碎，但漏掉就会导致整张表列错位，而且错误往往只在特定表格中暴露，上线后才踩坑。
|
| |
