用php解析html的实现代码 |
|
本文标签：html 最近想用php写一个爬虫，就需要解析html，在sourceforge上找到一个项目叫做PHP Simple HTML DOM Parser，它可以以类似jQuery的方式通过css选择器来返回指定的DOM元素，功能十分强大 。 首先要在程序的开始引入simple_html_dom.php这个文件 复制代码 代码如下: include_once(simple_html_dom.php); PHP Simple HTML DOM Parser提供了3种方式来创建DOM对象 复制代码 代码如下: // Create a DOM object from a string $html = str_get_html(<html><body>Hello!</body></html>); // Create a DOM object from a URL $html = file_get_html(http://www.google.com/); // Create a DOM object from a HTML file $html = file_get_html(test.htm); 得到DOM对象后就可以进行各种操作了 复制代码 代码如下: // Find all anchors, returns a array of element objects $ret = $html->find(a); // Find (N)th anchor, returns element object or null if not found (zero based) $ret = $html->find(a, 0); // Find lastest anchor, returns element object or null if not found (zero based) $ret = $html->find(a, -1); // Find all <div> with the id attribute $ret = $html->find(div[id]); // Find all <div> which attribute id=foo $ret = $html->find(div[id=foo]); 这里可以使用各种css选择器，就像在jQuery中进行DOM操作一样，非常方便 。此外，还有两个特殊的属性可以得到文本和注释的内容 复制代码 代码如下: // Find all text blocks $es = $html->find(text); // Find all comment (<!--...-->) blocks $es = $html->find(comment); 当然，还是类似于jQuery，PHP Simple HTML DOM Parser也支持链式操作，以及各种访问DOM元素的简单方法 复制代码 代码如下: // Example echo $html->find("#div1", 0)->children(1)->children(1)->children(2)->id; // or echo $html->getElementById("div1")->childNodes(1)->childNodes(1)->childNodes(2)->getAttribute(id); |
