`
tooby
  • 浏览: 118236 次
  • 性别: Icon_minigender_1
  • 来自: 广州
社区版块
存档分类
最新评论

PHP操作HTML Dom树

    博客分类:
  • 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:
评论

相关推荐

    simple_html_dom,php下的html文件DOM解析库

    3. **遍历DOM**:可以轻松地遍历DOM树,获取元素、属性等信息。 4. **修改DOM**:可以添加、删除、修改HTML元素及其属性。 5. **提取数据**:支持提取文本、HTML、属性值等数据。 三、基本用法 1. **加载HTML**...

    simple html dom php

    要使用Simple HTML DOM,首先需要下载库文件,这里我们有一个名为`simplehtmldom_1_5`的文件,通常是一个包含`simple_html_dom.php`的压缩包。将其解压并引入到PHP项目中,即可开始使用。 5. **使用示例** - 加载...

    Laravel开发-php-simple-html-dom-parser

    它能将HTML字符串转换为一个可遍历的对象树,这样我们就可以像操作数组一样操作HTML元素。例如,我们可以轻松地查找、添加、删除或修改DOM中的特定元素,这对于网页抓取、数据提取以及自动化测试等任务非常有用。 ...

    HTML5DOMDocument一个PHP的更好的HTML5解析器

    HTML5DOMDocument是PHP中处理HTML5文档的一个强大的工具,它是对PHP内置DOMDocument类的扩展,提供了更方便和高效的方式来解析和操作HTML5代码。这个解析器在处理不规范或者包含错误的HTML5文档时表现得更为健壮,...

    PHP中使用DOM

    在给定的描述中提到了一个博客链接,虽然无法直接访问,但通常这类博客会详细解释如何使用PHP的DOM功能,包括创建DOM对象、解析HTML、遍历DOM树、修改元素属性、以及处理文本内容等步骤。博主可能会通过实例展示如何...

    htmldom_document

    这篇名为“htmldom_document”的博文可能详细介绍了如何使用这个PHP库来操作HTML文档。虽然具体的博文内容无法直接查看,但我们可以基于一般知识来探讨`htmldom_document`库的一些关键特性及常见应用。 1. **类和...

    simple_html_dom 1.8.1

    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)。

    Laravel开发-htmldom

    在您提到的"Laravel开发-htmldom"主题中,我们将探讨如何在Laravel4中使用HTML DOM解析器来处理和操作HTML文档。 HTML DOM(Document Object Model)是HTML和XML文档的一种结构化表示,它将文档视为树形结构,允许...

    php dom 解析类和函数文件封装

    `simple_html_dom`是PHP的一个开源库,它简化了HTML文档的处理,使得开发者可以像操作DOM节点一样操作HTML。`simple_html_dom`库提供了一个友好的面向对象的API,相比DOM扩展更易于理解和使用,特别适合处理不规范的...

    PHP Simple HTML DOM解析器使用入门

    ### PHP Simple HTML DOM 解析器使用入门 #### 一、简介 在Web开发领域,解析HTML文档是一项常见的任务。PHP Simple HTML DOM Parser是一款强大的库,它简化了这一过程,使得开发者能够更加高效地处理HTML文档。该...

    HTML树型控件.zip_html格式目录树

    jQuery简化了JavaScript的DOM操作,zTree利用jQuery的API实现了对HTML元素的高效处理。例如,使用`$(selector).zTree(options)`来初始化树型控件,其中`options`是配置项,用于设置树的各种行为和样式。 4. **...

    基于PHP的simplehtmldom一个PHP处理HTML的利器(方便采集)源码.zip

    《PHP的SimpleHtmlDom库:高效网页数据抓取与处理》 在Web开发领域,PHP是一种广泛使用的服务器端脚本语言,尤其在处理动态网页内容时表现出色。当我们需要从HTML网页中抓取数据或者进行网页解析时,PHP的Simple...

    curl配合simple_html_dom进行页面数据抓取

    它将HTML解析为DOM树,使得我们可以通过DOM节点操作来查找、遍历和修改HTML元素。例如,`file_get_html()`函数可以加载HTML字符串或文件,然后我们可以通过`find()`方法,使用CSS选择器查找特定元素,再利用`...

    php解析html类库simple_html_dom

    simple_html_dom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...

    simple_html_dom.php

    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,...

    用PHP读取和编写XML DOM

    DOM(Document Object Model)库是其中最常用的一种,它将整个XML文档加载到内存中,形成一棵节点树,便于遍历和操作。 例如,要读取清单1中的图书XML文件,可以创建一个DOMDocument对象(如清单2所示),然后通过`...

    HTML_DOM.。

    HTML DOM(Document Object Model)是HTML和XML文档的编程接口,它将网页结构化为一个树形模型,允许程序员和脚本通过JavaScript或...阅读`HtmlDom.chm`文件,你将能更深入地理解DOM的工作原理及其在实际项目中的应用。

Global site tag (gtag.js) - Google Analytics