php Dom操做 Simple

時間 2019-11-13

標籤 php dom simple 欄目 PHP 简体版

原文原文鏈接

一直以來使用php解析html文檔樹都是一個難題。Simple HTML DOM parser 幫咱們很好地解決了使用 php html 解析問題。能夠經過這個php類來解析html文檔，對其中的html元素進行操做 (PHP5+以上版本)。php

解析器不單單只是幫助咱們驗證html文檔；更能解析不符合W3C標準的html文檔。它使用了相似jQuery的元素選擇器，經過元素的id，class，tag等等來查找定位；同時還提供添加、刪除、修改文檔樹的功能。固然，這樣一款強大的html Dom解析器也不是盡善盡美；在使用的過程當中須要十分當心內存消耗的狀況。不過，不要擔憂；本文中，筆者在最後會爲各位介紹如何避免消耗過多的內存。html

如何使用php html 解析

上傳類文件之後，有三種方式調用這個類：正則表達式

從url中加載html文檔數組

從字符串中加載html文檔網絡

從文件中加載html文檔dom

?函數

1網站

2url

3spa

<?php

// 新建一個Dom實例

$html = new simple_html_dom();

// 從url中加載

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

// 從字符串中加載

$html->load('<html><body>從字符串中加載html文檔演示</body></html>');

//從文件中加載

$html->load_file('path/file/test.html');

?>

若是從字符串加載html文檔，須要先從網絡上下載。建議使用cURL來抓取html文檔並加載DOM中。

查找html元素

可使用find函數來查找html文檔中的元素。返回的結果是一個包含了對象的數組。咱們使用HTML DOM解析類中的函數來訪問這些對象，下面給出幾個示例：

<?php

//查找html文檔中的超連接元素

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

//查找文檔中第(N)個超連接，若是沒有找到則返回空數組.

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

// 查找id爲main的div元素

$main = $html->find('div[id=main]',0);

// 查找全部包含有id屬性的div元素

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

// 查找全部包含有id屬性的元素

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

?>

還可使用相似jQuery的選擇器來查找定位元素：

<?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');

// 查找多個html標籤

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

// 還能夠這樣用

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

?>

解析器支持對子元素的查找

<?php

// 查找 ul列表中全部的li項

$ret = $html->find('ul li');

//查找 ul 列表指定class=selected的li項

$ret = $html->find('ul li.selected');

?>

若是你以爲這樣用起來麻煩，使用內置函數能夠輕鬆定位元素的父元素、子元素與相鄰元素

<?php

// 返回父元素

$e->parent;

// 返回子元素數組

$e->children;

// 經過索引號返回指定子元素

$e->children(0);

// 返回第一個資源速

$e->first_child ();

// 返回最後一個子元素

$e->last _child ();

// 返回上一個相鄰元素

$e->prev_sibling ();

//返回下一個相鄰元素

$e->next_sibling ();

?>

元素屬性操做

使用簡單的正則表達式來操做屬性選擇器。

[attribute] – 選擇包含某屬性的html元素

[attribute=value] – 選擇全部指定值屬性的html元素

[attribute!=value]- 選擇全部非指定值屬性的html元素

[attribute^=value] -選擇全部指定值開頭屬性的html元素

[attribute$=value] 選擇全部指定值結尾屬性的html元素

[attribute*=value] -選擇全部包含指定值屬性的html元素

在解析器中調用元素屬性

在DOM中元素屬性也是對象：

<?php

// 本例中將$a的錨連接值賦給$link變量

$link = $a->href;

?>

或者：

<?php

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

?>

每一個對象都有4個基本對象屬性:

tag – 返回html標籤名

innertext – 返回innerHTML

outertext – 返回outerHTML

plaintext – 返回html標籤中的文本

在解析器中編輯元素

編輯元素屬性的用法和調用它們是相似的：

<?php

//給$a的錨連接賦新值

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

// 刪除錨連接

$a->href = null;

// 檢測是否存在錨連接

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

//代碼

}

?>

解析器中沒有專門的方法來添加、刪除元素，不過能夠變通一下使用：

<?php

// 封裝元素

$e->outertext = '<div class="wrap">' . $e->outertext . '<div>';

// 刪除元素

$e->outertext = '';

// 添加元素

$e->outertext = $e->outertext . '<div>foo<div>';

// 插入元素

$e->outertext = '<div>foo<div>' . $e->outertext;

?>

保存修改後的html DOM文檔也很是簡單：

<?php

$doc = $html;

// 輸出

echo $doc;

?>

如何避免解析器消耗過多內存

在本文的開篇中，筆者就提到了Simple HTML DOM解析器消耗內存過多的問題。若是php腳本佔用內存太多，會致使網站中止響應等一系列嚴重的問題。解決的方法也很簡單，在解析器加載html文檔並使用完成後，記得清理掉這個對象就能夠了。固然，也不要把問題看得太嚴重了。若是隻是加載了二、3個文檔，清理或不清理是沒有多大區別的。當你加載了5個10個甚至更多的文檔的時候，用完一個就清理一下內存絕對是對本身負責啦^_^

<?php

$html->clear();

?>