PHP Simple HTML DOM解析器

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使用 php html 解析 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。

如何使用php html 解析

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

?


1

2

3

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‘);

?>

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：

?


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：

?


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

?


1

2

3

4

5

6

7

8

9

<?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

?


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;

// 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：

?


1

2

3

4

<?php

// 本例中将$a的锚链接值赋给$link变量

$link = $a->href;

?>

或者：

?


1

2

3

<?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：

?


1

2

3

4

5

6

7

8

9

10

11

12

<?php

//给$a的锚链接赋新值

$a->href = ‘http://www.cnphp.info‘;

// 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：

?


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文档也非常简单：

?


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。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^_^

?


1

2

3

<?php

$html->clear();

?>

原文：http://www.cnphp.info/php-simple-html-dom-parser-intro.html

时间： 2024-12-21 23:18:33

PHP Simple HTML DOM解析器的相关文章

极其简便的PHP HTML DOM解析器PHP Simple HTML DOM Parser/有中文手册

极其简便的PHP HTML DOM解析器PHP Simple HTML DOM Parser,有中文手册,对于需要分析HTML代码dom结构的php开发者来说,是一个极其有用的函数库,使用Jquery风格的dom节点查找语法,强烈推荐. 下面是其"快速入门",从中文手册里节选而来 //从一个URL或者文件创建一个DOM对象$html = file_get_html('http://www.google.cn/'); // 寻找所有的img标签foreach($html->find

【Android进阶】解析XML文件之使用DOM解析器

在前面的文章中,介绍了使用SAX解析器对XML文件进行解析,SAX解析器的优点就是占用内存小.这篇文章主要介绍使用DOM解析器对XML文件进行解析.DOM解析器的优点可能是理解起来比较的直观,当然,每个人对不同的解析方法可能有不同的喜好.但是DOM解析器有个比较大的缺点,就是占用内存比较多,在Android中的XML解析中,还是更推荐其他的解析方式. 下面介绍使用DOM解析器对XML进行解析. 下面是我们需要解析的xml文件 <?xml version="1.0" encodin

使用DOM解析器解析XML文件 学习笔记

dom解析和dom4j原理一致 Node是所有元素的父接口 常用的API: DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();取得DOM解析器工厂 DocumentBuilder domParser = factory.newDocumentBuilder();取得DOM解析器 domParser.parse(*.xml)加载需要解析的XML文件 Document.getDocumentElement()取

DOM解析器解析增删改学习笔记

import java.io.File; import javax.xml.parsers.DocumentBuilder; import javax.xml.parsers.DocumentBuilderFactory; import javax.xml.transform.Result; import javax.xml.transform.Source; import javax.xml.transform.Transformer; import javax.xml.transform.T

XML DOM 解析器

大多数浏览器都内建了供读取和操作 XML 的 XML 解析器. 解析器把 XML 转换为 JavaScript 可存取的对象(XML DOM). XML 解析器 XML DOM 包含了遍历 XML 树,访问.插入及删除节点的方法(函数). 然而,在访问和操作 XML 文档之前,它必须加载到 XML DOM 对象. XML 解析器读取 XML,并把它转换为 XML DOM 对象,这样才可以使用 JavaScript 访问它. 大多数浏览器有一个内建的 XML 解析器. 加载 XML 文档 下面的

Android笔记（四十五） Android中的数据存储——XML（一）DOM解析器

DOM解析XML在j2ee开发中比较常见,在Dom解析的过程中,是先把dom全部文件读入到内存中,然后使用dom的api遍历所有数据,检索想要的数据,这种方式显然是一种比较消耗内存的方式,对于像手机这样的移动设备来讲,内存是非常有限的,所以对于比较大的XML文件,不推荐使用这种方式,但是Dom也有它的优点,它比较直观,在xml文档比较小的情况下也可以考虑使用dom方式. 代码演示: MainActivity.java package cn.lixyz.xmltest.activity; impo

DOM 解析器 使用

根据需求xml 创建一个结点以及文件. public int onCreateEap() { try { DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance(); DocumentBuilder db = dbf.newDocumentBuilder(); Document document = db.parse(new File(FILE_PATH)); Element eapElement = document.cr

XML 解析---dom解析和sax解析

目前XML解析的方法主要用两种: 1.dom解析:(Document Object Model,即文档对象模型)是W3C组织推荐的解析XML的一种方式. 使用dom解析XML文档,该解析器会先把XML文档加载到内存中,生成该XML文档对应的document对象,然后把XML文档中的各个标签元素变成相应的Element对象,文本会变成Text对象,属性会变成Attribute对象,并按这些标签.文本.属性在XML文档中的关系保存这些对象的关系. 缺点:消耗内存,所以使用dom解析XML文档时不能解

用DOM解析XML

二.XML解析 有两种解析方法:DOM(document object model)解析与SAX(simple API for XML)解析 XML解析开发包: •JAXP:是SUN公司推出的解析标准实现. •Dom4J:是开源组织推出的解析开发包. •JDom:是开源组织推出的解析开发包. JAXP(java API for XML processing)是javaSE的一部分,由三个子包组成 •org.w3c.dom:提供DOM方式解析XML的标准接口 •org.xml.sax:提供SAX方