php Dom操做 Simple

时间  2019-11-13
标签 php dom simple 栏目 PHP 繁體版
原文   原文链接

一直以来使用php解析html文档树都是一个难题。Simple HTML DOM parser 帮咱们很好地解决了使用 php html 解析 问题。能够经过这个php类来解析html文档，对其中的html元素进行操做 (PHP5+以上版本)。php

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。html

 

如何使用php html 解析

上传类文件之后，有三种方式调用这个类：正则表达式

从url中加载html文档数组

从字符串中加载html文档网络

从文件中加载html文档dom

?函数

1网站

2url

3spa

4

5

6

7

8

9

10

11

12

13

<?php

// 新建一个Dom实例

$html = new simple_html_dom();

 

// 从url中加载

$html->load_file('http://www.cnphp.info/php-simple-html-dom-parser-intro.html');

 

// 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：

?

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

<?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：

?

1

2

3

4

5

6

7

8

9

10

11

12

13

<?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

?

1

2

3

4

5

6

7

8

9

<?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

?

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

<?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：

?

1

2

3

4

<?php

// 本例中将$a的锚连接值赋给$link变量

$link = $a->href;

?>

或者：

?

1

2

3

<?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：

?

1

2

3

4

5

6

7

8

9

10

11

12

<?php

//给$a的锚连接赋新值

$a->href = 'http://www.cnphp.info';

 

// 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：

?

1

2

3

4

5

6

7

8

9

10

11

12

13

14

<?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：

?

1

2

3

4

5

6

<?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^_^

?

1

2

3

<?php

$html->clear();

?>
相关文章
相关标签/搜索
每日一句
    每一个你不满意的现在，都有一个你没有努力的曾经。
本站公众号
   欢迎关注本站公众号,获取更多信息
联系我们 最近搜索 最新文章 沪ICP备13005482号-10 MyBatis教程 SQL 教程 MySQL教程 Java 教程 Thymeleaf 教程 Hibernate教程 Spring教程 Redis教程