php解析html类库simple_html_dom(详细介绍)


Posted in PHP onJuly 05, 2013

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

<?php
// 新建一个Dom实例
$html = new simple_html_dom();// 从url中加载
$html->load_file('https://3water.com');
// 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:
<?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:
<?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
<?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
<?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$=value] 选择所有指定值结尾属性的html元素
[attribute*=value] -选择所有包含指定值属性的html元素
在解析器中调用元素属性
在DOM中元素属性也是对象:
<?php
// 本例中将$a的锚链接值赋给$link变量
$link = $a->href;
?>

或者:
<?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:
<?php
//给$a的锚链接赋新值
$a->href = 'https://3water.com';// 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:
<?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:
<?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^_^
<?php
$html->clear();
?>

PHP 相关文章推荐
mysql下创建字段并设置主键的php代码
May 16 PHP
PHP文件上传原理简单分析
May 29 PHP
解析thinkphp基本配置 convention.php
Jun 18 PHP
PHP网站开发中常用的8个小技巧
Feb 13 PHP
php简单防盗链实现方法
Jul 29 PHP
PHP计算当前坐标3公里内4个角落的最大最小经纬度实例
Feb 26 PHP
thinkphp,onethink和thinkox中验证码不显示的解决方法分析
Jun 06 PHP
php 函数使用可变数量的参数方法
May 02 PHP
php 查找数组元素提高效率的方法详解
May 05 PHP
360搜索引擎自动收录php改写方案
Apr 28 PHP
PHP设计模式之工厂模式(Factory Pattern)的讲解
Mar 21 PHP
PHP实现基于状态的责任链审批模式详解
May 31 PHP
Apache实现Web Server负载均衡详解(不考虑Session版)
Jul 05 #PHP
如何在Ubuntu下启动Apache的Rewrite功能
Jul 05 #PHP
如何解决CI框架的Disallowed Key Characters错误提示
Jul 05 #PHP
浅析十款PHP开发框架的对比
Jul 05 #PHP
利用PHP实现短域名互转
Jul 05 #PHP
PHP 安全检测代码片段(分享)
Jul 05 #PHP
如何使用php判断服务器是否是HTTPS连接
Jul 05 #PHP
You might like
深入php常用函数的使用汇总
2013/06/08 PHP
Session服务器配置指南与使用经验的深入解析
2013/06/17 PHP
解析php中的fopen()函数用打开文件模式说明
2013/06/20 PHP
php使浏览器直接下载pdf文件的方法
2013/11/15 PHP
从零开始学YII2框架(一)通过Composer安装Yii2框架
2014/08/20 PHP
Yii2.0使用阿里云OSS的SDK上传图片、下载、删除图片示例
2017/09/20 PHP
Some tips of wmi scripting in jscript (1)
2007/04/03 Javascript
js实现简单模态窗口,背景灰显
2008/11/14 Javascript
jquery+css实现绚丽的横向二级下拉菜单-附源码下载
2015/08/23 Javascript
cocos2dx骨骼动画Armature源码剖析(一)
2015/09/08 Javascript
node.js的事件机制
2017/02/08 Javascript
简单谈谈axios中的get,post方法
2017/06/25 Javascript
vuejs+element-ui+laravel5.4上传文件的示例代码
2017/08/12 Javascript
详解vue-cli与webpack结合如何处理静态资源
2017/09/19 Javascript
vue中axios处理http发送请求的示例(Post和get)
2017/10/13 Javascript
javascript实现获取一个日期段内每天不同的价格(计算入住总价格)
2018/02/05 Javascript
[05:08]DOTA2-DPC中国联赛3月6日Recap集锦
2021/03/11 DOTA
python正则表达式抓取成语网站
2013/11/20 Python
python实现定制交互式命令行的方法
2014/07/03 Python
Python的shutil模块中文件的复制操作函数详解
2016/07/05 Python
Python多进程并发与多线程并发编程实例总结
2018/02/08 Python
python中ASCII码和字符的转换方法
2018/07/09 Python
18个Python脚本可加速你的编码速度(提示和技巧)
2019/10/17 Python
解决使用Pandas 读取超过65536行的Excel文件问题
2020/11/10 Python
计算机应用专业推荐信
2013/11/13 职场文书
毕业生求职信
2014/06/10 职场文书
信息与工商管理职业规划范文:为梦想而搏击
2014/09/11 职场文书
幼儿园校园小喇叭广播稿
2014/10/17 职场文书
王金山在党的群众路线教育实践活动总结大会上的讲话稿
2014/10/25 职场文书
个人年终总结范文
2015/03/09 职场文书
简爱电影观后感
2015/06/10 职场文书
文化大革命观后感
2015/06/17 职场文书
幼儿园毕业致辞
2015/07/29 职场文书
2019最新公司租房合同(例文)
2019/07/18 职场文书
导游词之四川武侯祠
2019/10/21 职场文书
anaconda python3.8安装后降级
2021/06/11 Python