php html解析器Simple HTML Dom使用说明

时间：2015-01-23 来源：西部数据作者：西部数据

1. 开始使用

首先下载解压缩,然后将simple_html_dom.php文件包含进要编写的脚本文件中,加载要处理的html,支持三种模式的html加载,分别是『从url中加载,从字符串中加载,从文件中加载』.代码如下:

require_once('simple_html_dom.php');

//从url加载

$html = file_get_html('http://www.phpfensi.com');

//从字符串加载

$html = str_get_html('<html><body>Hello World!</body></html>');

//从文件中加载

$html = file_get_html('example.htm');

从字符串加载网上文件需要先从网络下下载，使用cURL比较好一些，需要在php配置文件中打开php扩展php_curl。

$url = 'http://www.phpfensi.com';

$ci = curl_init();

curl_setopt($ci,CURLOPT_URL,$url);

curl_setopt($ci, CURLOPT_SSL_VERIFYPEER, false);

curl_setopt($ci, CURLOPT_SSL_VERIFYHOST, false);

curl_setopt($ci, CURLOPT_RETURNTRANSFER, 1);

$result = curl_exec($ch);

2.查找html元素

使用find函数查找,返回包含对象的数组,常见的查找如下.

//查找超链接元素

$alink = $html->find('a');

//查找第n个连接元素

$alink = $html->find('a',5);

//查找id为main的div

$mainDiv = $html->find('div[id=main]');

//查找所有定义了id的div

$idDiv = $html->find('div[id]');

//查找所有定义了id的元素

$idAll = $html->find('[id]');

//查找样式类为info的元素

$classInfo = $html->find('.info');

//支持嵌套子元素查找

$ret = $html->find('ul li');

//查找多个html元素

$ret = $html->find('a,img,p');

//....

3.其他

可以使用内置的函数来进行元素的定位,返回父元素parent,返回子元素数组children，返回第一个子元素first_child,返回最后一个子元素last_child,返回前一个相邻元素prev_sibling,返回后一个相邻元素next_sibling等.提供简单的正则表达式来过滤属性选择器,类似于[attribute]的格式.

每个对象都有4个基本属性:

tag — 返回html标签名

innertext — 返回innerHTML

outertext — 返回outerHTML

plaintext — 返回HTML标签中的文本

返回元素属性值:

//返回$alink的href值

$link = $alink->href;

通过设置元素的属性值可以对元素进行添加、修改、删除操作,代码如下:

//删除url连接

$alink->href = null;

//元素的修改

$ret->outertext = '<div class="nav">' . $ret->outertext . '</div>';

$ret->outertext = '';

$ret->outertext = $ret->outertext . '<div>other</div>';

$ret->outertext = '<div>Welcome</div>' . $ret->outertext;

-EOF-