Hvilken løsning ville i bruge til en crawler?

Hej derude... jeg har siddet og prøvet at lave en prototype af en crawler... Det fungere sådan set også, men jeg støder ind i problemer når det bliver lidt mere avanceret.

Jeg kan sagtens crawle en hjemmeside for alle links eller alle billeder... men når prøver at få enkelte elementer ud på en side bliver det lidt svært.

Forstil jer en hjemmeside hvor man kan søge på produkter. Jeg har taget et eksempel her på bøger. Det jeg vil havde ud er selvfølgelig billede, titel, forfatter, pris. HTML klumpen ser således ud:

<li>
<b>Historisk sandhed og narrativ sandhed : den psykoanalytiske fortælling</b>
&nbsp;&nbsp;
<span class="offer">e-bog&nbsp;DOWNLOAD
</span>
<br>
<div style="float: right; position: relative;" class="buttoncontainer">
<a onclick="if( checkCookies() ){Add2ShopCartSpot(document.OrderItemAddFormSpot, '');}else{ alert( ''); } return false;" href="" class="shop">
<span class="basket">Læg i kurv</span>
</a>
</div>
<div>9788773326657, 1900, pdf, Kr. 19,00</div>
<a class="arrow" href="product-10001-10002-1939150-100">Læs mere</a>
</li>

Jeg har prøvet mig frem med preg_match_all men syntes det bliver alt for langhåret da som jeg kan forstå det så skal det regulære udtryk være ret specifikt.

Er der andre måder? Eller hvordan ville i løse sådan en opgave. Ydermere vil der være sidder som kun viser 10 produkter pr. side så der skal også crawles ind over de andre resultater... hvordan ville i gøre det?

- Og er vi enige om at man (hvis man skal ind over flere forskellige hjemmesider) skal havde en "profil" for hver side?

Mvh Ronnie