php解析html类库simple_html_dom

时间 2019-12-09

标签 php 解析 html simple dom 栏目 PHP 繁體版

原文原文链接

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

解析器不单单只是帮助咱们验证html文档；更能解析不符合W3C标准的html文档。它使用了相似jQuery的元素选择器，经过元素的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。固然，这样一款强大的html Dom解析器也不是尽善尽美；在使用的过程当中须要十分当心内存消耗的状况。不过，不要担忧；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。
开始使用
上传类文件之后，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
php

复制代码代码以下:

 
<?php 
 
// 新建一个Dom实例 
 
$html = new simple_html_dom(); 
 
// 从url中加载 
 
$html->load_file('http://www.jb51.net'); 
 
// 从字符串中加载 
 
$html->load('<html><body>从字符串中加载html文档演示</body></html>'); 
 
//从文件中加载 
 
$html->load_file('path/file/test.html'); 
 
?>

若是从字符串加载html文档，须要先从网络上下载。建议使用cURL来抓取html文档并加载DOM中。
查找html元素
可使用find函数来查找html文档中的元素。返回的结果是一个包含了对象的数组。咱们使用HTML DOM解析类中的函数来访问这些对象，下面给出几个示例：html

复制代码代码以下:

 
<?php 
 
//查找html文档中的超连接元素 
 
$a = $html->find('a'); 
 
//查找文档中第(N)个超连接，若是没有找到则返回空数组. 
 
$a = $html->find('a', 0); 
 
// 查找id为main的div元素 
 
$main = $html->find('div[id=main]',0); 
 
// 查找全部包含有id属性的div元素 
 
$divs = $html->find('div[id]'); 
 
// 查找全部包含有id属性的元素 
 
$divs = $html->find('[id]'); 
 
?>

还可使用相似jQuery的选择器来查找定位元素：git

复制代码代码以下:

 
<?php 
 
// 查找id='#container'的元素 
 
$ret = $html->find('#container'); 
 
// 找到全部class=foo的元素 
 
$ret = $html->find('.foo'); 
 
// 查找多个html标签 
 
$ret = $html->find('a, img'); 
 
// 还能够这样用 
 
$ret = $html->find('a[title], img[title]'); 
 
?>

解析器支持对子元素的查找github

复制代码代码以下:

 
<?php 
 
// 查找 ul列表中全部的li项 
 
$ret = $html->find('ul li'); 
 
//查找 ul 列表指定class=selected的li项 
 
$ret = $html->find('ul li.selected'); 
 
?>

若是你以为这样用起来麻烦，使用内置函数能够轻松定位元素的父元素、子元素与相邻元素正则表达式

复制代码代码以下:

 
<?php 
 
// 返回父元素 
 
$e->parent; 
 
// 返回子元素数组 
 
$e->children; 
 
// 经过索引号返回指定子元素 
 
$e->children(0); 
 
// 返回第一个资源速 
 
$e->first_child (); 
 
// 返回最后一个子元素 
 
$e->last _child (); 
 
// 返回上一个相邻元素 
 
$e->prev_sibling (); 
 
//返回下一个相邻元素 
 
$e->next_sibling (); 
 
?>

元素属性操做
使用简单的正则表达式来操做属性选择器。
[attribute] – 选择包含某属性的html元素
[attribute=value] – 选择全部指定值属性的html元素
[attribute!=value]- 选择全部非指定值属性的html元素
[attribute^=value] -选择全部指定值开头属性的html元素
[attribute$=value] 选择全部指定值结尾属性的html元素
[attribute*=value] -选择全部包含指定值属性的html元素
在解析器中调用元素属性
在DOM中元素属性也是对象：数组

复制代码代码以下:

 
<?php 
 
// 本例中将$a的锚连接值赋给$link变量 
 
$link = $a->href; 
 
?>

或者：网络

复制代码代码以下:

 
<?php 
 
$link = $html->find('a',0)->href; 
 
?

每一个对象都有4个基本对象属性:
tag – 返回html标签名
innertext – 返回innerHTML
outertext – 返回outerHTML
plaintext – 返回html标签中的文本
在解析器中编辑元素
编辑元素属性的用法和调用它们是相似的：dom

复制代码代码以下:

 
<?php 
 
//给$a的锚连接赋新值 
 
$a->href = 'http://www.jb51.net'; 
 
// 删除锚连接 
 
$a->href = null; 
 
// 检测是否存在锚连接 
 
if(isset($a->href)) { 
 
//代码 
 
} 
 
?>

解析器中没有专门的方法来添加、删除元素，不过能够变通一下使用：函数

复制代码代码以下:

 
<?php 
 
// 封装元素 
 
$e->outertext = '<div class="wrap">' . $e->outertext . '<div>'; 
 
// 删除元素 
 
$e->outertext = ''; 
 
// 添加元素 
 
$e->outertext = $e->outertext . '<div>foo<div>'; 
 
// 插入元素 
 
$e->outertext = '<div>foo<div>' . $e->outertext; 
 
?

保存修改后的html DOM文档也很是简单：网站

复制代码代码以下:

 
<?php 
 
$doc = $html; 
 
// 输出 
 
echo $doc; 
 
?>

如何避免解析器消耗过多内存
在本文的开篇中，笔者就提到了Simple HTML DOM解析器消耗内存过多的问题。若是php脚本占用内存太多，会致使网站中止响应等一系列严重的问题。解决的方法也很简单，在解析器加载html文档并使用完成后，记得清理掉这个对象就能够了。固然，也不要把问题看得太严重了。若是只是加载了二、3个文档，清理或不清理是没有多大区别的。当你加载了5个10个甚至更多的文档的时候，用完一个就清理一下内存绝对是对本身负责啦^_^

复制代码代码以下:

 
<?php 
 
$html->clear(); 
 
?>

http://www.jb51.net/article/39526.htm