最近想用php寫一個爬蟲,就需要解析html,在sourceforge上找到一個項目叫做PHP Simple HTML DOM Parser,它可以以類似jQuery的方式通過css選取器來返回指定的DOM元素,功能十分強大。
首先要在程式的開始引入simple_html_dom.php這個檔案
複製代碼 代碼如下:include_once('simple_html_dom.php');
PHP Simple HTML DOM Parser提供了3種方式來建立DOM對象 複製代碼 代碼如下:// 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對象後就可以進行各種操作了 複製代碼 代碼如下:// 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]');
這裡可以使用各種css選取器,就像在jQuery中進行DOM操作一樣,非常方便。此外,還有兩個特殊的屬性可以得到文本和注釋的內容 複製代碼 代碼如下:// Find all text blocks
$es = $html->find('text');
// Find all comment (<!--...-->) blocks
$es = $html->find('comment');
當然,還是類似於jQuery,PHP Simple HTML DOM Parser也支援鏈式操作,以及各種訪問DOM元素的簡單方法 複製代碼 代碼如下:// 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');