用php解析html的实现代码
更新时间:2011年08月08日 21:45:32 作者:
用php解析html的实现代码,一般做采集的朋友需要用得到。
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
include_once('simple_html_dom.php');
PHP Simple HTML DOM Parser提供了3种方式来创建DOM对象
// 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
// 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
// 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
// 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');
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');
您可能感兴趣的文章:
- PHP解析html类库simple_html_dom的转码bug
- php解析html类库simple_html_dom(详细介绍)
- 浅析php插件 Simple HTML DOM 用DOM方式处理HTML
- PHP simple_html_dom.php+正则 采集文章代码
- WordPress中转义HTML与过滤链接的相关PHP函数使用解析
- php基于Snoopy解析网页html的方法
- PHP抓取网页、解析HTML常用的方法总结
- php实现的一个很好用HTML解析器类可用于采集数据
- 浅析php插件 HTMLPurifier HTML解析器
- 解析关于java,php以及html的所有文件编码与乱码的处理方法汇总
- 解析PHP生成静态html文件的三种方法
- php使用simple_html_dom解析HTML示例
相关文章
PHP中addslashes与mysql_escape_string的区别分析
这篇文章主要介绍了PHP中addslashes与mysql_escape_string的区别,简单分析了addslashes与mysql_escape_string在使用过程中的区别,具有一定参考借鉴价值,需要的朋友可以参考下2016-04-04解决nginx不支持thinkphp中pathinfo的问题
这篇文章主要介绍如何解决当Nginx不支持pathinfo问题时该如何解决,需要的朋友可以参考下2015-07-07php数组函数序列之array_pop() - 删除数组中的最后一个元素
定义和用法array_pop() 函数删除数组中的最后一个元素。2011-11-11基于preg_match_all采集后数据处理的一点心得笔记(编码转换和正则匹配)
这篇文章主要介绍了采集后数据处理的一点心得笔记,编码转换和正则匹配,基于preg_match_all,需要的朋友可以参考下2014-01-01
最新评论