关闭

用php解析html

378人阅读 评论(0) 收藏 举报

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');
0
0

查看评论
* 以上用户言论只代表其个人观点,不代表CSDN网站的观点或立场
    个人资料
    • 访问:902532次
    • 积分:10593
    • 等级:
    • 排名:第1537名
    • 原创:92篇
    • 转载:1171篇
    • 译文:11篇
    • 评论:28条
    最新评论