phpQuery和simple_html_dom DOM解析器对比
phpQuery和simple_html_dom都是非常优秀的DOM解析器。
phpQuery主要使用方法，更多方法查看http://code.google.com/p/phpquery/
1.加载文档的几种方式
|
1
2
3
4
5
6
|
//$html为内容字符串，$contentType为文档类型，如果不指定则默认以text/html in utf-8类型加载。
phpQuery::newDocument(
$html
,
$contentType
= null)
//$file为文件路径或url地址，$contentType为文档类型，如果不指定则默认以text/html in utf-8类型加载。
phpQuery::newDocument(
$html
,
$contentType
= null)
//$html为内容字符串，$charset为字符串编码，如果不指定默认为utf8
phpQuery::newDocumentHTML(
$html
,
$charset
=
'utf-8'
)
|
2.pq()三种使用方式：
|
1
2
3
4
5
6
|
//$param可以是选择器字符串(相当于jquery中的$包含的字符串),可以是迭代器中的变量(相当于jquery中each中的this)
pq(
$param
,
$context
= null);
//$context是一个参考选择器或ID,例如选择该文档class="myClass"的div节点
pq(
'div.myClass'
,
$pq
->getDocumentID());
//以$pq为根节点,选择$pq节点中class="myClass"的div节点
pq(
'div.myClass'
,
$pq
);
|
3.与jquey语法兼容的基本选择器
|
1
2
3
4
5
|
1) #id pq("#myDiv");
2) element pq("div");
3) .class pq(".myClass");
4) * pq("*")
5) selector1,selectorN pq("div,span,p.myClass")
|
4.与jquey语法兼容的层级选择器
|
1
2
3
4
|
1) ancestor descendant pq("form input")
2) parent > child pq("form > input")
3) prev + next pq("label + input")
4) prev ~ siblings pq("form ~ input")
|
5.与jquey语法兼容的简单过滤器
|
1
2
3
4
5
6
7
8
9
|
1) :first pq("tr:first")
2) :last pq("tr:last")
3) :not(selector) pq("input:not(:checked)")
4) :even pq("tr:even")
5) :odd pq("tr:odd")
6) :eq(index) pq("tr:eq(1)")
7) :gt(index) pq("tr:gt(0)")
8) :lt(index) pq("tr:lt(2)")
9) :header pq(":header").css("background", "#EEE");
|
|
1
2
3
4
5
|
6.与jquey语法兼容的内容过滤器
1) :contains(text) pq("div:contains('John')")
2) :empty pq("td:empty")
3) :has(selector) pq("div:has(p)").addClass("test");
4) :parent pq("td:parent")
|
7.与jquey语法兼容的属性选择器
|
1
2
3
4
5
6
7
|
1) [attribute] pq("div[id]")
2) [attribute=value] pq("input[name='newsletter']").attr("checked", true);
3) [attribute!=value] pq("input[name!='newsletter']").attr("checked", true);
4) [attribute^=value] pq("input[name^='news']")
5) [attribute$=value] pq("input[name$='letter']")
6) [attribute*=value] pq("input[name*='man']")
7) [selector1][selectorN] pq("input[id][name$='man']")
|
8.与jquey语法兼容的子元素选择器
|
1
2
3
4
|
1) :nth-child(index/even/odd/equation) pq("ul li:nth-child(2)")
2) :first-child pq("ul li:first-child")
3) :last-child pq("ul li:last-child")
4) :only-child pq("ul li:only-child")
|
9.与jquey语法兼容的表单选择器
|
1
2
3
4
5
6
7
8
9
10
11
|
1) :input pq(":input")
2) :text pq(":text")
3) :password pq(":password")
4) :radio pq(":radio")
5) :checkbox pq(":checkbox")
6) :submit pq(":submit")
7) :image pq(":image")
8) :reset pq(":reset")
9) :button pq(":button")
10) :file pq(":file")
11) :hidden pq("tr:hidden")
|
10. 与jquey语法兼容的表单过滤器
|
1
2
3
4
|
1) :enabled pq("input:enabled")
2) :disabled pq("input:disabled")
3) :checked pq("input:checked")
4) :selected pq("select option:selected")
|
11. 与jquey语法兼容的对象取值和赋值方法
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
1) attr pq("img")->attr("src");
2) attr(properties) pq("img")->attr({ src: "test.jpg", alt: "Test Image" });
3) attr(key,value) pq("img")->attr("src","test.jpg");
4) attr(key,fn) pq("img")->attr("title", function() { return this.src });
5) removeAttr(name) pq("img")->removeAttr("src");
6) addClass(class) pq("p")->addClass("selected");
7) removeClass(class) pq("p")->removeClass("selected");
8) toggleClass(class) pq("p")->toggleClass("selected");
9) html() pq("div")->html();
10) html(val) pq("div")->html("
11) text() pq("p")->text();
12) text(val) pq("p")->text("Some new text.");
13) val() pq("input")->val();
14) val(val) pq("input")->val("hello world!");
|
12. 与jquey语法兼容的筛选方法
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
|
1) eq(index) pq("p")->eq(1)
2) hasClass(class) pq("div")->hasClass("protected")
3) filter(expr) pq("p")->filter(".selected")
4) filter(fn) pq("p")->filter(function($index) {
return pq("ol", pq($index))->size() == 0;
});
5) is(expr) pq("input[type='checkbox']")->parent()->is("form")
6) map(callback) pq("p")->append(pq("input").map(function(){
return pq(this)->val();
})->get()->join(", "));
7) not(expr) pq("p")->not(pq("#selected")[0])
8) slice(start,[end]) pq("p")->slice(0, 1)->wrapInner("");
9) add(expr) pq("p")->add("span")
10) children([expr]) pq("div")->children()
11) contents() pq("p")->contents()->not("[@nodeType=1]").wrap("");
12) find(expr) pq("p")->find("span")
13) next([expr]) pq("p")->next()
14) nextAll([expr]) pq("div:first")->nextAll()->addClass("after");
15) parent([expr]) pq("p")->parent()
16) parents([expr]) pq("span")->parents()
17) prev([expr]) pq("p").prev()
18) prevAll([expr]) pq("div:last")->prevAll()->addClass("before");
19) siblings([expr]) pq("div")->siblings()
20) andSelf() pq("div")->find("p")->andSelf()->addClass("border");
21) end() pq("p")->find("span")->end()
|
13. 与jquey语法兼容的文档处理
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
|
1) append(content) pq("p")->append("Hello");
2) appendTo(content) pq("p")->appendTo("#foo");
3) prepend(content) pq("p")->prepend("Hello");
4) prependTo(content) pq("p")->prependTo("#foo");
5) after(content) pq("p")->after("Hello");
6) before(content) pq("p")->before("Hello");
7) insertAfter(content) pq("p")->insertAfter("#foo");
8) insertBefore(content) pq("p")->insertBefore("#foo");
9) wrap(html) pq("p")->wrap("10) wrap(elem) pq("p")->wrap(pq("#content"));
11) wrapAll(html) pq("p")->wrapAll("");
12) wrapAll(elem) pq("p")->wrapAll(pq("#content"));
13) wrapInner(html) pq("p")->wrapInner("");
14) wrapInner(elem) pq("p")->wrapInner(pq(".content"));
15) replaceWith(content) pq("p")->replaceWith("Paragraph. ");
16) replaceAll(selector) pq("Paragraph. ")->replaceAll("p");
17) empty() pq("p")->empty();
18) remove([expr]) pq("p")->remove();
19) clone() pq("b")->clone()->prependTo("p");
20) clone(true) pq("button")->clone(true)->insertAfter(pq("b"))
|
14. Ajax请求(略)
申明：部分API可能无法正常工作，常用API已通过测试。也就是pq(), find(), html(), text(), eq(), attr()等方法。（phpQuery除了"解析"DOM之外，还可以像jquery一样对DOM进行CRUD操作，然后输出。）
注意，使用phpQuery释放内存的命令，使用该命令会清除当前所有解析文档，对循环解析大量文档非常管用。
|
1
|
phpQuery::
$documents
=
array
();
|
此外，phpQuery作者还编写更多复杂的API和插件，尽在http://code.google.com/p/phpquery/。
如果不能访问，从这里下载：
phpquery-0.9.5.386.deb.zip
phpquery-0.9.5.386.noarch.rpm.zip
phpQuery-0.9.5.386-onefile.zip
phpQuery-0.9.5.386-pear.tgz.zip
phpQuery-0.9.5.386.zip
simple_html_dom主要使用方法，更多方法查看http://simplehtmldom.sourceforge.net/
|
1
2
3
4
5
6
7
8
9
10
11
12
|
include
'simple_html_dom.php'
;
//面向过程方式2种读取方式
$html
= file_get_html(
'http://www.baidu.com'
);
$html
= str_get_html(
file_get_contents
(
'http://www.baidu.com'
));
//面向对象方式2种读取方式
$html
=
new
simple_html_dom();
$html
->load_file(
'http://www.baidu.com'
);
$html
->load(
file_get_contents
(
'http://www.baidu.com'
));
foreach
(
$html
->find(
'img'
)
as
$img
)
{
print_r(
$img
->src).
"
;
}
|
simple_html_dom的find方法参数一与jquery的模式基本一致，可以使用条件搜索，返回的变量e是一个对象，具有以下几类属性：
|
1
2
3
4
5
6
7
8
9
10
11
|
$e->tag 与原生js的tagName对应，jquery的$(e).attr('nodeName')对应
$e->outertext 与原生js的outerHTML对应，jquery的$(e).attr('outerHTML')对应
$e->innertext 与原生js的innerHTML对应，jquery的$(e).attr('innerHTML')或$(e).html()对应
$e->plaintext 与原生js的innerText对应，jquery的$(e).attr('innerText')或$(e).text()对应
常用的方法如下：
mixed $e->children(index) index为索引序号，返回第n个子节点对象
element $e->parent() 返回父节点对象
element $e->first_child() 返回第一个子节点对象
element $e->last_child() 返回最后一个子节点对象
element $e->next_sibling() 返回下一个邻节点对象
element $e->prev_sibling() 返回上一个邻节点对象
|
simple_html_dom主打find方法，如果find只有一个参数其查找到的元素一般以对象数组的方式进行遍历；如果添加第二个参数表示索引则返回一个元素，如下：
|
1
2
3
|
echo "
print_r($html->find('img', 0)->src);
echo "";
|
功能虽然发现的不多，但应对一般的html解析已经足够。注意：如果需要解析大量html建议使用$html->clear()释放内存。
比较：
phpQuery在语法风格上更像jquery并且功能更强大，优点是稳定，兼容性好，jquery一样简单易用，一般情况下即使获取不存在的对象属性或方法都不会报错。缺点是占用内存大，解析过程中可能会遇到解析失败（但不报错）的情况，例如解析top.baidu.com页面的时候会出现获取的a标签数量非常少。
simple_html_dom在语法风格上更像原生js但是支持类似jquery选择器（只是类似，如find中的选择器），返回的对象不需要使用任何包装器，直接获取对象值或调用对象方法。优点是兼容性更好，占用内存低，缺点是不稳定（编写调试过程中需要额外编写代码保证对象是否获取成功以及是否拥有某个属性和方法）。
一般情况下，使用phpQuery即可快速完成网页解析，其API众多易用，支持复杂的选择器和获取方法，和jquery相似度极高，可以参考jquery手册。
当phpQuery不能正常解析的时候可以考虑simple_html_dom，因为simple_html_dom支持的属性和方法太少了，但是使用simple_html_dom需要注意代码的严谨性，需要经常考虑每一步操作是否返回预期的值（例如获取不到对象的时候再获取返回值的属性是会报错的）。
本文链接:http://blog.zhengshuiguang.com/php/php-html-dom.html