一直以来利用php理会html文档树都是一个困难。Simple HTML DOM parser 帮我们很好地办理了这个问题。可以通过这个php类来理会html文档,对个中的html元素举办操纵 (PHP5+以上版本)。
理会器不只仅只是辅佐我们验证html文档;更能理会不切合W3C尺度的html文档。它利用了雷同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、修改文档树的成果。虽然,这样一款强大的html Dom理会器也不是精细绝伦;在利用的进程中需要十分小心内存耗损的环境。不外,不要担忧;本文中,笔者在最后会为列位先容如何制止耗损过多的内存。
开始利用
上传类文件今后,有三种方法挪用这个类:
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('http://www.cnphp.info/php-simple-html-dom-parser-intro.html'); // 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'); ?>假如从字符串加载html文档,需要先从网络上下载。发起利用cURL来抓取html文档并加载DOM中。
查找html元素
可以利用find函数来查找html文档中的元素。返回的功效是一个包括了工具的数组。我们利用HTML DOM理会类中的函数来会见这些工具,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,假如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); // 查找所有包括有id属性的div元素 $divs = $html->find('div[id]'); // 查找所有包括有id属性的元素 $divs = $html->find('[id]'); ?>还可以利用雷同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]'); ?>理会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'); ?>假如你以为这样用起来贫苦,利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 $e->next_sibling (); ?>元素属性操纵
利用简朴的正则表达式来操纵属性选择器。
[attribute] – 选择包括某属性的html元素
[attribute=value] – 选择所有指定值属性的html元素
[attribute!=value]- 选择所有非指定值属性的html元素
[attribute^=value] -选择所有指定值开头属性的html元素
[attribute$=value] 选择所有指定值末了属性的html元素
[attribute*=value] -选择所有包括指定值属性的html元素
在理会器中挪用元素属性
在DOM中元素属性也是工具:
可能:
<?php $link = $html->find('a',0)->href; ?>每个工具都有4个根基工具属性:
tag – 返回html标签名
innertext – 返回innerHTML
outertext – 返回outerHTML
plaintext – 返回html标签中的文本
在理会器中编辑元素
编辑元素属性的用法和挪用它们是雷同的:
<?php //给$a的锚链接赋新值 $a->href = 'http://www.cnphp.info'; // 删除锚链接 $a->href = null; // 检测是否存在锚链接 if(isset($a->href)) { //代码 } ?>理会器中没有专门的要领来添加、删除元素,不外可以变通一下利用:
<?php // 封装元素 $e->outertext = '<div>' . $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; ?>生存修改后的html DOM文档也很是简朴:
<?php $doc = $html; // 输出 echo $doc; ?>