PHP Simple HTML DOM Parser 中文手册

目录

快速入门

回顶部
// 从一个URL或者一个文件的内容创建DOM
$html = file_get_html('http://www.oschina.net/');
$html = file_get_html('demo.html/');

//获取所有的img元素
foreach($html->find('img') as $element)
       echo $element->src . '<br>';

// 获取所有的a链接
foreach($html->find('a') as $element)
       echo $element->href . '<br>';
//解析HTML字符串为DOM
$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>

//获取HTML中的纯文本(不包含标签)。ps:类似jq的$.text()方法。
echo file_get_html('http://www.oschina.net/')->plaintext;

// 解析URL内容为DOM
$html = file_get_html('http://slashdot.org/');

//遍历所有的文章块元素
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);

怎么创建HTML DOM对象?

回顶部
// 解析HTML字符串为DOM对象
$html = str_get_html('<html><body>Hello!</body></html>');

// 解析URL内容为DOM对象
$html = file_get_html('http://www.oschina.net/');

// 解析HTML文件为DOM对象
$html = file_get_html('test.htm');
// 创建一个DOM对象
$html = new simple_html_dom();

// 载入html字符串
$html->load('<html><body>Hello!</body></html>');

// 载入URL内容
$html->load_file('http://www.oschina.net');

// 载入一个HTML文件内容
$html->load_file('test.htm');

怎么查找元素?

回顶部
// 查找所有的 a链接, 返回一个DOM元素对象数组
$ret = $html->find('a');

// 通过索引获取数组中指定的元素DOM对象,第二个参数是DOM对象数组的索引,从0开始。如果不存在返回null
$ret = $html->find('a', 0);

// 通过索引-1获取数组中的最后的一个元素DOM对象,如果不存在返回null
$ret = $html->find('a', -1);

// 查找所有具有id属性的div
$ret = $html->find('div[id]');

// 查找所有具有id=foo属性的div
$ret = $html->find('div[id=foo]');
// 查找所有id是foo的元素
$ret = $html->find('#foo');

// 查找所有class是foo的元素
$ret = $html->find('.foo');

//查找所有拥有id属性的元素
$ret = $html->find('*[id]');

// 查找所有的a链接和img图片元素
$ret = $html->find('a, img');

// 查找所有拥有title属性的a链接和img图片元素
$ret = $html->find('a[title], img[title]');
支持下面的属性选择器:

选择器 描述
[attribute] 匹配所有拥有attribute属性的元素
[!attribute] 匹配所有没有attribute属性的元素
[attribute=value] 匹配所有attribute属性值是value的元素
[attribute!=value] 匹配所有attribute属性值不是value的元素
[attribute^=value] 匹配所有attribute属性值是value开头的元素
[attribute$=value] 匹配所有attribute属性值是value结尾的元素
[attribute*=value] 匹配所有attribute属性值包含value的元素
// 查找ul后代中的 li 元素
$es = $html->find('ul li');

// 查找嵌套的div元素
$es = $html->find('div div div');

// 查找class是hello的table中的td元素
$es = $html->find('table.hello td');

// 查找所有align=center的td元素
$es = $html->find(''table td[align=center]');
//获取所有的文本块
$es = $html->find('text');

// 获取所有的HTML注释 (<!--...-->) 块
$es = $html->find('comment');
// 查找 ul 中的所有 li 元素
foreach($html->find('ul') as $ul)
{
       foreach($ul->find('li') as $li)
       {
             // do something...
       }
}

// 查找第一个 ul 里面的第一个 li 元素
$e = $html->find('ul', 0)->find('li', 0);

怎么获取DOM元素属性?

回顶部
// 获取属性 (如果属性是没有值的属性(比如:checked, selected等)那么返回的是true或者false)
$value = $e->href;

// 设置属性 (如果属性是没有值的属性(比如:checked, selected等)那么值设置为true或者false)
$e->href = 'my link';

// 删除属性,只要把属性赋值null即可
$e->href = null;

// 判断属性是否存在
if(isset($e->href))
        echo 'href 属性存在!';
// 例子
$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"

元素特殊属性 描述
$e->tag 获取或者设置一个元素的标签
$e->outertext 获取或者设置一个元素的 outer HTML text
$e->innertext 获取或者设置一个元素的 inner HTML text
$e->plaintext 获取或者设置一个元素的 plain text
ps:每个DOM元素都有上面的几个魔术属性,获取是指:直接引用属性,设置是指:对属性赋值
// 提取HTML的文本内容
echo $html->plaintext;

// 使用div包裹一个元素
$e->outertext = '<div class="wrap">' . $e->outertext . '<div>';

// 删除一个元素,只要设置outertext属性为空字符串即可
$e->outertext = '';

// 追加一个元素
$e->outertext = $e->outertext . '<div>foo<div>';

// 插入一个元素
$e->outertext = '<div>foo<div>' . $e->outertext;

怎么遍历DOM树?

回顶部
// 如果你不熟悉 HTML DOM, 请查看 这里 了解一下.

// 例子
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');
下面的方法你也可以使用 驼峰命名法.
方法 描述
mixed
$e->children ( [int $index] )
无参数时返回所有的后代元素数组,参数是具体后代元素数组的索引,如果传递了索引参数那么返回的是一个DOM对象而不是数组。
element
$e->parent ()
返回父元素
element
$e->first_child ()
返回第一个子元素,不存在就返回null
element
$e->last_child ()
返回最后一个子元素,不存在就返回null
element
$e->next_sibling ()
返回下一个同级元素,不存在就返回null
element
$e->prev_sibling ()
返回上一个同级元素,不存在就返回null

怎么dump查看一个DOM对象内部结构?

回顶部
// 把元素的内部DOM树转成字符串
$str = $html->save();

// 把元素的内部DOM树转成字符串保存进一个文件
$html->save('result.htm');
// 把元素的内部DOM树转成字符串
$str = $html;

// 打印出来
echo $str;

怎么自定义自己的解析方法来解析DOM元素?

回顶部
// 写一个接受一个元素参数$element的函数
function my_callback($element) {
        // 隐藏所有的 b 标签
        if ($element->tag=='b')
                $element->outertext = '';
}

// 注册自己的回调函数,参数是函数名称字符串
$html->set_callback('my_callback');

// 回调函数会在打印对象的时候被调用
echo $html;

Author: S.C. Chen (me578022@gmail.com)
Original idea is from Jose Solorzano's HTML Parser for PHP 4.
Contributions by: Contributions by: Yousuke Kumakura, Vadim Voituk, Antcs