用php解析html的实现代码

2015-01-24信息快讯网

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');

关于PHP的相似度计算函数：levenshtein的使用介绍

关于PHP递归算法和应用方法介绍

PHP 读取Postgresql中的数组

php简单开启gzip压缩方法(zlib.output_compression)

做了CDN获取用户真实IP的函数代码(PHP与Asp设置方式)

php中将html中的br换行符转换为文本输入中的换行符

PHP屏蔽蜘蛛访问代码及常用搜索引擎的HTTP_USER_AGENT

php添加文章时生成静态HTML文章的实现代码

PHP中通过HTTP_USER_AGENT判断是否为手机移动终端的函数代码

php中将字符串转为HTML的实体引用的一个类

php压缩HTML函数轻松实现压缩html/js/Css及注意事项

thinkPHP的Html模板标签使用方法