`

php解析html类库simple_html_dom

php 
阅读更多

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

.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：

.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：

.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

.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

.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：

.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：

.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：

.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：

.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：

.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^_^

.代码如下:

<?php
$html->clear();
?>
分享到：
| 不折腾的四步备案攻略
评论
1 楼 vb2005xu 2015-03-06  
http://www.veryhuo.com/a/view/41466.html
发表评论

您还没有登录,请您登录后再发表评论

相关推荐

    php解析html类库simple_html_dom(详细介绍)

    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...

    PHP解析html类库simple_html_dom的转码bug

    simple_html_dom是一个用于解析HTML文档的PHP类库，它可以让开发者通过模拟类似jQuery的语法来方便地操作HTML元素。它支持通过DOM方式加载HTML文档，并提供了丰富的API来查找、修改、添加或删除HTML文档中的内容。其...

    simple_html_dom.php（php解析html类库）

    simple_html_dom.php（php解析html类库），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)。

    php使用simple_html_dom解析HTML示例

    simple_html_dom是一个PHP类库，它通过类似jQuery的选择器提供了简单易用的API来操作和解析HTML文档。在数据抓取、网页爬虫等领域，simple_html_dom的使用能极大地简化对HTML文档的处理。 对于simple_html_dom的...

    SimpleHtmlDom:php使用simple_html_dom抓取网页数据的一个Demo

    只需将`simple_html_dom.php`文件下载到你的项目中，并在需要使用它的PHP脚本中引入即可。例如： ```php require_once 'path/to/simple_html_dom.php'; ``` ### 使用示例 以下是一个简单的使用SimpleHtmlDom抓取...

    PHP simple_html_dom.php+正则 采集文章代码

    `simple_html_dom.php`是一个PHP类库，用于解析HTML文档，而正则表达式则用于在HTML源码中定位特定的数据。 首先，我们要引入`simple_html_dom.php`库。这段代码中的`include_once('./simple...

    PHP html 爬虫类库

    从压缩包的文件名`simple_html_dom-master`来看，这可能是一个用于PHP的轻量级HTML DOM解析器。这个库提供了简单易用的API，使得开发者能够方便地查找、遍历和修改HTML文档。例如，`find()`函数是`simple_html_dom`...

    php截取html源代码的简单函数simplehtmldom

    `simplehtmldom`是一个PHP类库，它使得解析和操作HTML变得简单而直观，避免了使用正则表达式可能带来的复杂性和错误。 1. **安装和引入simplehtmldom** 首先，你需要下载`simplehtmldom`库。通常，这个库是一个...

    Codeigniter的dom类用法实例

    在本文中，我们将重点讨论CodeIgniter中的DOM类库，它基于`simple_html_dom`库，用于解析和操作HTML文档，类似于JavaScript中的DOM操作。 `simple_html_dom`是一个PHP库，允许开发者通过DOM（Document Object Model...

    腾讯QQ微博API接口获取微博内容

    simple_html_dom类是一个PHP类库，它提供了多种方法来解析HTML文档，例如，load()方法、dump_html_tree()方法等。 在调用QQ微博API接口时，我们需要将API接口的URL和参数传递给file_get_html()函数或str_get_html()...

    （已失效，代码仅供学习）php采集58,赶集网,搜房网,安居客（个人房源）

    `simple_html_dom`是一个PHP的HTML解析库，它提供了方便的方式来遍历和操作HTML文档对象模型（DOM）。在采集网页数据时，`simple_html_dom`可以帮助我们找到并提取所需元素，如房源的标题、价格、地点等。它支持CSS...

    wechat:搜狗微信公众平台抓取

    simple_html_dom.php dom解析类库 Spider.class.php 抓取类 test.php 简易模块测试 TODO： 1、抓取失败时的容错未处理。 2、搜索结果动态变化问题。 3、搜索结果第一页和后边页数不同问题。(可能也是动态问题)。 4、...

    深入php数据采集的详解

    本文将详细介绍两种PHP数据采集工具：Snoopy和simple_html_dom，并探讨它们的特点和使用方法。 首先，Snoopy是一个PHP类库，它的主要功能是模拟浏览器行为，用于获取网页内容并执行表单提交。以下是一些Snoopy的...

    php实现将HTML页面转换成word并且保存的方法

    在PHP文件的顶部，需要引入PHPWord类库以及用于解析HTML的SimpleHtmlDom类库。SimpleHtmlDom类库可以用来解析HTML文档并提取所需的内容。 ```php require_once'PHPWord.php'; require_once'Simple...

    教你如何用php实现LOL数据远程获取

    在描述里还提及了Simple_html_dom类库，这是一个专为PHP设计的HTML文档分析器，可以很方便地处理和解析HTML文档，非常适合进行网页内容的挖掘和数据提取。 简单来说，实现这一功能需要以下几个步骤： 1. 分析目标...

Magicbox
Global site tag (gtag.js) - Google Analytics