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这个问题
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 (PHP
+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WC标准的html文档它使用了类似jQuery的元素选择器通过元素的 idclasstag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
复制代码 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(
);
// 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
复制代码 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
);
// 查找id为main的div元素
$main = $html
>find(
div[id=main]
);
// 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
复制代码 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
复制代码 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
复制代码 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(
);
// 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
复制代码 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
复制代码 代码如下:
<?php
$link = $html
>find(
a
)
>href;
?
每个对象都有个基本对象属性:
tag – 返回html标签名
innertext – 返回innerHTML
outertext – 返回outerHTML
plaintext – 返回html标签中的文本
在解析器中编辑元素
编辑元素属性的用法和调用它们是类似的
复制代码 代码如下:
<?php
//给$a的锚链接赋新值
$a
>href =
;
// 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
复制代码 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
复制代码 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个文档清理或不清理是没有多大区别的当你加载了个 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^_^
复制代码 代码如下:
<?php
$html>clear();
?>
