PHP Simple HTML DOM 使用

下载地址：https://github.com/samacs/simple_html_dom

文档地址 http://simplehtmldom.sourceforge.net/

一直以来使用php解析html文档树都是一个难题。Simple HTML DOM parser 帮我们很好地解决了这个问题。可以通过这个php类来解析html文档，对其中的html元素进行操作 (PHP5+以上版本)。

解析器不仅仅只是帮助我们验证html文档；更能解析不符合W3C标准的html文档。它使用了类似jQuery的元素选择器，通过元素的id，class，tag等等来查找定位；同时还提供添加、删除、修改文档树的功能。当然，这样一款强大的html Dom解析器也不是尽善尽美；在使用的过程中需要十分小心内存消耗的情况。不过，不要担心；本文中，笔者在最后会为各位介绍如何避免消耗过多的内存。

安装：下载后把simple_html_dom.php 引入即可。

开始使用

上传类文件以后，有三种方式调用这个类：

从url中加载html文档

从字符串中加载html文档

从文件中加载html文档

// Create a DOM object
$html = new simple_html_dom();

// Load HTML from a string
$html->load('<html><body>Hello!</body></html>');

// Load HTML from a URL
$html->load_file('http://www.google.com/');

// Load HTML from a HTML file
$html->load_file('test.htm');

如果从url加载html文档，需要先从网络上下载。建议使用cURL来抓取html文档并加载DOM中。

api文档http://simplehtmldom.sourceforge.net/manual_api.htm

DOM的方法

$html = file_get_html('http://www.google.com/'); //$html 所拥有的方法如下表所示

$html->clear() ; //调用方法

DOM methods & properties

Name	Description
void __construct ( [string $filename] )	Constructor, set the filename parameter will automatically load the contents, either text or file/url.
string plaintext	Returns the contents extracted from HTML.
void clear ()	Clean up memory.
void load ( string $content )	Load contents from a string.
string save ( [string $filename] )	Dumps the internal DOM tree back into a string. If the $filename is set, result string will save to file.
void load_file ( string $filename )	Load contents from a from a file or a URL.
void set_callback ( string $function_name )	Set a callback function.
mixed find ( string $selector [, int $index] )	Find elements by the CSS selector. Returns the Nth element object if index is set, otherwise return an array of object.

//查找a
foreach($html->find('a') as $elem)
{
echo $elem->href.'-->'.$elem->innertext.'<br/>';
}

// Find (N)th anchor, returns element object or null if not found (zero based)
$ret = $html->find('a', 0);

// Find lastest anchor, returns element object or null if not found (zero based)
$ret = $html->find('a', -1);

// Find all <div> with the id attribute
$ret = $html->find('div[id]');

// Find all <div> which attribute id=foo
$ret = $html->find('div[id=foo]'); 类似jquery属性过滤器

// Find all element which id=foo
$ret = $html->find('#foo');

// Find all element which class=foo
$ret = $html->find('.foo');

// Find all element has attribute id
$ret = $html->find('*[id]');
($product=$table->find("#product *[selected]",0)->innertext ; )不能写成#product[selected].
// Find all anchors and images
$ret = $html->find('a, img');

// Find all anchors and images with the "title" attribute
$ret = $html->find('a[title], img[title]');

// Find all <li> in <ul>
$es = $html->find('ul li');

// Find Nested <div> tags
$es = $html->find('div div div');

// Find all <td> in <table> which class="hello"
$es = $html->find('table.hello td');

// Find all td tags with attribite align=center in table tags
$es = $html->find(''table td[align=center]');

5. Element 的方法

$e = $html->find("div", 0); //$e 所拥有的方法如下表所示

Attribute Name	Usage
$e->tag	Read or write the tag name of element.
$e->outertext	Read or write the outer HTML text of element.
$e->innertext	Read or write the inner HTML text of element.
$e->plaintext	Read or write the plain text of element.

// Example
$html = str_get_html("<div>foo <b>bar</b></div>");
$e = $html->find("div", 0);

echo $e->tag; // Returns: " div"
echo $e->outertext; // Returns: " <div>foo <b>bar</b></div>"
echo $e->innertext; // Returns: " foo <b>bar</b>"
echo $e->plaintext; // Returns: " foo bar"

（注意，与dom中不同，innertext包含html标签）

6.DOM traversing 方法

Method	Description
mixed $e->children ( [int $index] )	Returns the Nth child object if index is set, otherwise return an array of children.
element $e->parent ()	Returns the parent of element.
element $e->first_child ()	Returns the first child of element, or null if not found.
element $e->last_child ()	Returns the last child of element, or null if not found.
element $e->next_sibling ()	Returns the next sibling of element, or null if not found.
element $e->prev_sibling ()	Returns the previous sibling of element, or null if not found.

// Example
echo $html->find("#div1", 0)->children(1)->children(1)->children(2)->id;
// or
echo $html->getElementById("div1")->childNodes(1)->childNodes(1)->childNodes(2)->getAttribute('id');

如何自定义解析行为?回调函数

// Write a function with parameter "$element"
function my_callback($element) {
        // Hide all <b> tags
        if ($element->tag=='b')
                $element->outertext = '';
}

// Register the callback function with it's function name
$html->set_callback('my_callback');

// Callback function will be invoked while dumping
echo $html;

PHP Simple HTML DOM 使用

开始使用

相关推荐