您当前的位置: 首页 > 网站编程 > PHP教程 > php解析html类库simple_html_dom(详细介绍)

php解析html类库simple_html_dom(详细介绍)

作者:不详 来源:网络 发布时间: 2014-08-16 10:31 点击:
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) 下载地址:https://github.com/samacs/simple_html_dom 解 析器不仅仅只是帮助我们验证

php解析html类库simple_html_dom(详细介绍)

  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)

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

  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。

  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

  复制代码 代码如下:

  <?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');

  ?>

  如果从字符串加载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。

  查找html元素

  
可以使用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。我们使用HTML DOM解析类中的函数来访问这些对象,下面给出几个示例:

  复制代码 代码如下:

  <?php

  //查找html文档中的超链接元素

  $a = $html->find('a');

  //查找文档中第(N)个超链接,如果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);

  // 查找所有包含有id属性的div元素

  $divs = $html->find('div[id]');

  // 查找所有包含有id属性的元素

  $divs = $html->find('[id]');

  ?>

  还可以使用类似jQuery的选择器来查找定位元素:

  复制代码 代码如下:

  <?php

  // 查找id='#container'的元素

  $ret = $html->find('#container');

  // 找到所有class=foo的元素

  $ret = $html->find('.foo');

  // 查找多个html标签

  $ret = $html->find('a, img');

  // 还可以这样用

  $ret = $html->find('a[title], img[title]');

  ?>

  解析器支持对子元素的查找

  复制代码 代码如下:

  <?php

  // 查找 ul列表中所有的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');

  ?>

  如果你觉得这样用起来麻烦,使用内置函数可以轻松定位元素的父元素、子元素与相邻元素

  复制代码 代码如下:

  <?php

  // 返回父元素

  $e->parent;

  // 返回子元素数组

  $e->children;

  // 通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 ();

  ?>

  元素属性操作

  
使用简单的正则表达式来操作属性选择器。

  [attribute] – 选择包含某属性的html元素

  [attribute=value] – 选择所有指定值属性的html元素

  [attribute!=value]- 选择所有非指定值属性的html元素

  [attribute^=value] -选择所有指定值开头属性的html元素

  [attribute$=value] 选择所有指定值结尾属性的html元素

  [attribute*=value] -选择所有包含指定值属性的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:

  复制代码 代码如下:

  <?php

  // 本例中将$a的锚链接值赋给$link变量

  $link = $a->href;

  ?>

  或者:

  复制代码 代码如下:

  <?php

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

  ?

  每个对象都有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类似的:

  复制代码 代码如下:

  <?php

  //给$a的锚链接赋新值

  $a->href = 'http://www.jb51.net';

  // 删除锚链接

  $a->href = null;

  // 检测是否存在锚链接

  if(isset($a->href)) {

  //代码

  }

  ?>

  解析器中没有专门的方法来添加、删除元素,不过可以变通一下使用:

  复制代码 代码如下:

  <?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文档也非常简单:

  复制代码 代码如下:

  <?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。如果php脚本占用内存太多,会导致网站停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可以了。当然,也不要把问题看得太严重了。如果只是加载了2、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自己负责啦^_^

  复制代码 代码如下:

  <?php

  $html->clear();

  ?>
分享到:
本文"php解析html类库simple_html_dom(详细介绍)"由远航站长收集整理而来,仅供大家学习与参考使用。更多网站制作教程尽在远航站长站。
顶一下
(0)
0%
踩一下
(0)
0%
[点击 次] [返回上一页] [打印]
发表评论
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。
评价:
表情:
用户名: 密码: 验证码:
关于本站 - 联系我们 - 广告合作 - 网站声明 - 友情连接- 网站地图 - 站点地图 - 返回顶部
Copyright © 2007-2013 www.yhzhan.com(远航站长). All Rights Reserved .
远航站长:为中小站长提供最佳的学习与交流平台,提供网页制作与网站编程等各类网站制作教程.
官方QQ:445490277 网站群:26680406 网站备案号:豫ICP备07500620号-4