php解析html類庫simple

一直以來使用php解析html文檔樹都是一個難題Simple HTML DOM parser 幫我們很好地解決了這個問題可以通過這個php類來解析html文檔對其中的html元素進行操作 (PHP+以上版本)

　　

解析器不僅僅只是幫助我們驗證html文檔更能解析不符合WC標准的html文檔它使用了類似jQuery的元素選擇器通過元素的 idclasstag等等來查找定位同時還提供添加刪除修改文檔樹的功能當然這樣一款強大的html Dom解析器也不是盡善盡美在使用的過程中需要十分小心內存消耗的情況不過不要擔心本文中筆者在最後會為各位介紹如何避免消耗過多的內存
開始使用
上傳類文件以後有三種方式調用這個類
從url中加載html文檔
從字符串中加載html文檔
從文件中加載html文檔

復制代碼代碼如下:
<?php
// 新建一個Dom實例
$html = new simple_html_dom();

// 從url中加載
$html>load_file();

// 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/testhtml);
?>

　　
如果從字符串加載html文檔需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
可以使用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我們使用HTML DOM解析類中的函數來訪問這些對象下面給出幾個示例

復制代碼代碼如下:
<?php

//查找html文檔中的超鏈接元素
$a = $html>find(a);

//查找文檔中第(N)個超鏈接如果沒有找到則返回空數組
$a = $html>find(a );

// 查找id為main的div元素
$main = $html>find(div[id=main]);

// 查找所有包含有id屬性的div元素
$divs = $html>find(div[id]);

// 查找所有包含有id屬性的元素
$divs = $html>find([id]);
?>

　　
還可以使用類似jQuery的選擇器來查找定位元素

復制代碼代碼如下:
<?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);

// 查找多個html標簽
$ret = $html>find(a img);

// 還可以這樣用
$ret = $html>find(a[title] img[title]);
?>

　　
解析器支持對子元素的查找

復制代碼代碼如下:
<?php

// 查找 ul列表中所有的li項
$ret = $html>find(ul li);

//查找 ul 列表指定class=selected的li項
$ret = $html>find(ul liselected);

?>

　　
如果你覺得這樣用起來麻煩使用內置函數可以輕松定位元素的父元素子元素與相鄰元素

復制代碼代碼如下:
<?php
// 返回父元素
$e>parent;

// 返回子元素數組
$e>children;

// 通過索引號返回指定子元素
$e>children();

// 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 ();
?>

　　
元素屬性操作
使用簡單的正則表達式來操作屬性選擇器
[attribute] – 選擇包含某屬性的html元素
[attribute=value] – 選擇所有指定值屬性的html元素
[attribute!=value] 選擇所有非指定值屬性的html元素
[attribute^=value] 選擇所有指定值開頭屬性的html元素
[attribute$=value] 選擇所有指定值結尾屬性的html元素
[attribute*=value] 選擇所有包含指定值屬性的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

復制代碼代碼如下:
<?php
// 本例中將$a的錨鏈接值賦給$link變量
$link = $a>href;
?>

　　
或者

復制代碼代碼如下:
<?php
$link = $html>find(a)>href;
?

　　
每個對象都有個基本對象屬性:
tag – 返回html標簽名
innertext – 返回innerHTML
outertext – 返回outerHTML
plaintext – 返回html標簽中的文本
在解析器中編輯元素
編輯元素屬性的用法和調用它們是類似的

復制代碼代碼如下:
<?php
//給$a的錨鏈接賦新值
$a>href = ;

// 刪除錨鏈接
$a>href = null;

// 檢測是否存在錨鏈接
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可以變通一下使用

復制代碼代碼如下:
<?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文檔也非常簡單

復制代碼代碼如下:
<?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如果php腳本占用內存太多會導致網站停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可以了當然也不要把問題看得太嚴重了如果只是加載了個文檔清理或不清理是沒有多大區別的當你加載了個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自己負責啦^_^

復制代碼代碼如下:

　　
<?php
$html>clear();
?>

From:http://tw.wingwit.com/Article/program/PHP/201311/20874.html