简单的PHP HTML DOM 解析器 中文手册 | PHP Simple HTML DOM Parser中文手册
简单的PHP HTML DOM 解析器 中文手册 | PHP Simple HTML DOM Parser中文手册
目录
快速入门
Top
//从一个URL或者文件创建一个DOM对象
$html = file_get_html( 'http://www.google.cn/');
// 寻找所有的img标签
foreach($html-> find( 'img') as $element)
echo $element-> src . '<br>';
// 寻找所有的链接标签
foreach($html-> find( 'a') as $element)
echo $element-> href . '<br>';
$html = file_get_html( 'http://www.google.cn/');
// 寻找所有的img标签
foreach($html-> find( 'img') as $element)
echo $element-> src . '<br>';
// 寻找所有的链接标签
foreach($html-> find( 'a') as $element)
echo $element-> href . '<br>';
//从字符串创建一个DOM对象
$html = str_get_html( '<div id="hello">Hello</div><div id="world">World</div>');
$html-> find( 'div', 1)-> class = 'bar';
$html-> find( 'div[id=hello]', 0)-> innertext = 'foo';
echo $html; // 输出: <div id="hello">foo</div><div id="world" class="bar">World</div>
$html = str_get_html( '<div id="hello">Hello</div><div id="world">World</div>');
$html-> find( 'div', 1)-> class = 'bar';
$html-> find( 'div[id=hello]', 0)-> innertext = 'foo';
echo $html; // 输出: <div id="hello">foo</div><div id="world" class="bar">World</div>
// 从HTML中提取内容(不包含标签)
echo file_get_html( 'http://www.google.com/')-> plaintext;
//从URL创建一个DOM对象
$html = file_get_html( 'http://slashdot.org/');
// 寻找所有的article块
foreach($html-> find( 'div.article') as $article) {
$item[ 'title'] = $article-> find( 'div.title', 0)-> plaintext;
$item[ 'intro'] = $article-> find( 'div.intro', 0)-> plaintext;
$item[ 'details'] = $article-> find( 'div.details', 0)-> plaintext;
$articles[] = $item;
}
print_r($articles);
$html = file_get_html( 'http://slashdot.org/');
// 寻找所有的article块
foreach($html-> find( 'div.article') as $article) {
$item[ 'title'] = $article-> find( 'div.title', 0)-> plaintext;
$item[ 'intro'] = $article-> find( 'div.intro', 0)-> plaintext;
$item[ 'details'] = $article-> find( 'div.details', 0)-> plaintext;
$articles[] = $item;
}
print_r($articles);
如何创建HTML DOM 对象？
Top
//从字符串创建一个DOM对象
$html = str_get_html( '<html><body>Hello!</body></html>');
//从一个URL创建一个DOM对象
$html = file_get_html( 'http://www.google.com/');
//从一个HTML文件创建一个DOM对象
$html = file_get_html( 'test.htm');
$html = str_get_html( '<html><body>Hello!</body></html>');
//从一个URL创建一个DOM对象
$html = file_get_html( 'http://www.google.com/');
//从一个HTML文件创建一个DOM对象
$html = file_get_html( 'test.htm');
//创建一个DOM对象
$html = new simple_html_dom();
//从字符串中载入HTML
$html-> load( '<html><body>Hello!</body></html>');
//从URL中载入HTML
$html-> load_file( 'http://www.google.cn/');
//从文件中载入HTML
$html-> load_file( 'test.htm');
//输出
echo $html;
$html = new simple_html_dom();
//从字符串中载入HTML
$html-> load( '<html><body>Hello!</body></html>');
//从URL中载入HTML
$html-> load_file( 'http://www.google.cn/');
//从文件中载入HTML
$html-> load_file( 'test.htm');
//输出
echo $html;
如何查找HTML元素?
Top
// 查找所有的锚, 返回一个元素对象数组
$ret = $html->find( 'a');
//查找第N个 锚, 返回元素对象或者当找不到时返回null (从零开始)
$ret = $html->find( 'a', 0);
//查找最后一个 锚, 返回元素对象或者当找不到时返回null (从零开始)
$ret = $html->find( 'a', -1);
//通过id属性 查找所有的<div>
$ret = $html->find( 'div[id]');
// 查找所有属性id=foo的<div>标签
$ret = $html->find( 'div[id=foo]');
$ret = $html->find( 'a');
//查找第N个 锚, 返回元素对象或者当找不到时返回null (从零开始)
$ret = $html->find( 'a', 0);
//查找最后一个 锚, 返回元素对象或者当找不到时返回null (从零开始)
$ret = $html->find( 'a', -1);
//通过id属性 查找所有的<div>
$ret = $html->find( 'div[id]');
// 查找所有属性id=foo的<div>标签
$ret = $html->find( 'div[id=foo]');
//查找所有id=foo的元素
$ret = $html->find( '#foo');
//查找所有class=foo的元素
$ret = $html->find( '.foo');
//查找所有包含id属性的的元素
$ret = $html->find( '*[id]');
//查找所有的锚与图片
$ret = $html->find( 'a, img');
//查找所有包含title属性的锚与图片
$ret = $html->find( 'a[title], img[title]');
$ret = $html->find( '#foo');
//查找所有class=foo的元素
$ret = $html->find( '.foo');
//查找所有包含id属性的的元素
$ret = $html->find( '*[id]');
//查找所有的锚与图片
$ret = $html->find( 'a, img');
//查找所有包含title属性的锚与图片
$ret = $html->find( 'a[title], img[title]');
在属性过滤器中支持如下运算符:
| [属性] | 匹配包含指定属性的元素. |
| [!属性] | 匹配不包含指定属性的元素. |
| [属性=value] | 匹配等于特定值的指定属性的元素. |
| [属性!=value] | 匹配除包含特定值的指定属性之外的元素 |
| [属性^=value] | 匹配包含特定前缀的值的指定属性的元素. |
| [属性$=value] | 匹配包含特定后缀的值的指定属性的元素. |
| [属性*=value] | 匹配包含特定值的指定属性的元素.. |
//在<ul>中查找所有的<li>后代
$es = $html->find( 'ul li');
//查找所有的<div>嵌套 标签
$es = $html->find( 'div div div');
//在<table>中查找所有的class=hello的<td>后代
$es = $html->find( 'table.hello td');
//在table标签中查找所有属性align=center的td
$es = $html->find( ''table td[align=center]');
$es = $html->find( 'ul li');
//查找所有的<div>嵌套 标签
$es = $html->find( 'div div div');
//在<table>中查找所有的class=hello的<td>后代
$es = $html->find( 'table.hello td');
//在table标签中查找所有属性align=center的td
$es = $html->find( ''table td[align=center]');
//查找所有的text区块
$es = $html->find( 'text');
//查找所有的comment (<!--...-->)区块
$es = $html->find( 'comment');
$es = $html->find( 'text');
//查找所有的comment (<!--...-->)区块
$es = $html->find( 'comment');
//在<ul>中查找所有的<li>
foreach($html->find( 'ul') as $ul)
{
foreach($ul->find( 'li') as $li)
{
//在这里执行操作...
}
}
//在第一个<ul>中查找第一个<li>
$e = $html->find( 'ul', 0)->find( 'li', 0);
foreach($html->find( 'ul') as $ul)
{
foreach($ul->find( 'li') as $li)
{
//在这里执行操作...
}
}
//在第一个<ul>中查找第一个<li>
$e = $html->find( 'ul', 0)->find( 'li', 0);
如何访问HTML元素的属性?
Top
// 获取属性(如果是一个空值属性(例如. checked, selected...这些属性),则返回true或者false)
$value = $e-> href;
// 设置属性(如果是一个空值属性(例如. checked, selected...这些属性),则让值等于true或者false)
$e-> href = 'my link';
// 删除属性,让其值为空!
$e-> href = null;
// 确定某个属性是否存在?
if(isset($e-> href))
echo 'href exist!';
$value = $e-> href;
// 设置属性(如果是一个空值属性(例如. checked, selected...这些属性),则让值等于true或者false)
$e-> href = 'my link';
// 删除属性,让其值为空!
$e-> href = null;
// 确定某个属性是否存在?
if(isset($e-> href))
echo 'href exist!';
// 列子
$ html = str_get_html ( "<div>foo <b>bar</b></div>" ) ;
$e = $html->find( "div", 0);
echo $e-> tag; // 返回: " div"
echo $e-> outertext; // 返回: " <div>foo <b>bar</b></div>"
echo $e-> innertext; // 返回: " foo <b>bar</b>"
echo $e-> plaintext; // 返回: " foo bar"
$ html = str_get_html ( "<div>foo <b>bar</b></div>" ) ;
$e = $html->find( "div", 0);
echo $e-> tag; // 返回: " div"
echo $e-> outertext; // 返回: " <div>foo <b>bar</b></div>"
echo $e-> innertext; // 返回: " foo <b>bar</b>"
echo $e-> plaintext; // 返回: " foo bar"
| $e->tag | Read or write the tag name of element. |
| $e->outertext | Read or write the outer HTML text of element. |
| $e->innertext | Read or write the inner HTML text of element. |
| $e->plaintext | Read or write the plain text of element. |
// Extract contents from HTML
echo $html-> plaintext;
// Wrap a element
$e-> outertext = '<div class="wrap">' . $e-> outertext . '<div>';
// Remove a element, set it's outertext as an empty string
$e-> outertext = '';
// Append a element
$e-> outertext = $e-> outertext . '<div>foo <div>';
// Insert a element
$e-> outertext = '<div>foo <div>' . $e-> outertext;
echo $html-> plaintext;
// Wrap a element
$e-> outertext = '<div class="wrap">' . $e-> outertext . '<div>';
// Remove a element, set it's outertext as an empty string
$e-> outertext = '';
// Append a element
$e-> outertext = $e-> outertext . '<div>foo <div>';
// Insert a element
$e-> outertext = '<div>foo <div>' . $e-> outertext;
如何遍历DOM树?
Top
//如果你不是很熟悉HTML DOM,那么请点击这个链接查看更多资料...
//列子
echo $html-> find( "#div1", 0)-> children( 1)-> children( 1)-> children( 2)-> id;
//或者
echo $html-> getElementById( "div1")-> childNodes( 1)-> childNodes( 1)-> childNodes( 2)-> getAttribute( 'id');
//列子
echo $html-> find( "#div1", 0)-> children( 1)-> children( 1)-> children( 2)-> id;
//或者
echo $html-> getElementById( "div1")-> childNodes( 1)-> childNodes( 1)-> childNodes( 2)-> getAttribute( 'id');
你也可以使用
骆驼命名法调用.
|
mixed
$e->children ( [int $index] ) |
Returns the Nth child object if index is set, otherwise return an array of children. |
|
element
$e->parent () |
Returns the parent of element. |
|
element
$e->first_child () |
Returns the first child of element, or null if not found. |
|
element
$e->last_child () |
Returns the last child of element, or null if not found. |
|
element
$e->next_sibling () |
Returns the next sibling of element, or null if not found. |
|
element
$e->prev_sibling () |
Returns the previous sibling of element, or null if not found. |
如何储存DOM对象中的内容?
Top
//
将DOM树中的内容储存在字符串中
$str = $html-> save();
//将DOM树中的内容储存在文件中
$html-> save( 'result.htm');
$str = $html-> save();
//将DOM树中的内容储存在文件中
$html-> save( 'result.htm');
//
将DOM树中的内容储存在字符串中
$str = $html;
//打印输出!
echo $html;
$str = $html;
//打印输出!
echo $html;
如何自定义解析器方法？
Top
//创建一个带有"$element"参数的函数
function my_callback( $element) {
//隐藏所有的<b>标签
if ($element->tag== 'b')
$element->outertext = '';
}
//用它的函数名注册callback函数
$html-> set_callback( 'my_callback');
//当输出时就会引用Callback函数
echo $html;
function my_callback( $element) {
//隐藏所有的<b>标签
if ($element->tag== 'b')
$element->outertext = '';
}
//用它的函数名注册callback函数
$html-> set_callback( 'my_callback');
//当输出时就会引用Callback函数
echo $html;
作者: S.C. Chen ([email protected])
本程序创意来自Jose Solorzano的 HTML Parser for PHP 4.
贡献者: Yousuke Kumakura, Vadim Voituk, Antcs
中文手册翻译：蜗牛
指正翻译中的错误，以及该程序的讨论地址： 蜗牛的牛窝
ComSing 开发者之家