simple_html_dom让你像jquery一样操作抓取的html网页dom用法
simple_html_dom是php版本类似jquery操作dom树的插件,使用它可以快速地查找dom树元素,增删改查dom树,适合网页蜘蛛爬虫分析数据使用,下面我们来讲讲他的一些用法
一、simple_html_dom三种加载方式
<?php // 从字符串中加载 $html = str_get_html('<div id="hello">Hello</div><div id="world">World</div>'); // 从url中加载 $html = file_get_html('http://www.bfw.wiki/'); //从本地文件中加载 $html->file_get_html('path/file/test.html');
二、查找dom元素
<?php //查找html文档中的超链接元素 $a = $html->find('a'); //查找文档中第(N)个超链接,如果没有找到则返回空数组. $a = $html->find('a', 0); // 查找id为main的div元素 $main = $html->find('div[id=main]',0); // 查找所有包含有id属性的div元素 $divs = $html->find('div[id]'); // 查找所有包含有id属性的元素 $divs = $html->find('[id]');2.1还可以使用类似jquery的方法来查找元素
<?php // 查找id='#container'的元素 $ret = $html->find('#container'); // 找到所有class=foo的元素 $ret = $html->find('.foo'); // 查找多个html标签 $ret = $html->find('a, img'); // 还可以这样用 $ret = $html->find('a[title], img[title]');2.2他还支持对子元素的查找
<?php // 查找 ul列表中所有的li项 $ret = $html->find('ul li'); //查找 ul 列表指定class=selected的li项 $ret = $html->find('ul li.selected');2.3还可查找子元素父元素及相邻元素
<?php // 返回父元素 $e->parent; // 返回子元素数组 $e->children; // 通过索引号返回指定子元素 $e->children(0); // 返回第一个资源速 $e->first_child (); // 返回最后一个子元素 $e->last _child (); // 返回上一个相邻元素 $e->prev_sibling (); //返回下一个相邻元素 $e->next_sibling ();2,.4正则匹配属性操作
使用简单的正则表达式来操作属性选择器。
[attribute] – 选择包含某属性的html元素
[attribute=value] – 选择所有指定值属性的html元素
[attribute!=value]- 选择所有非指定值属性的html元素
[attribute^=value] -选择所有指定值开头属性的html元素
[attribute$=value] 选择所有指定值结尾属性的html元素
[attribute*=value] -选择所有包含指定值属性的html元素
三、获取或修改dom元素的属性值
在DOM中元素属性也是对象:
<?php // 本例中将$a的锚链接值赋给$link变量 $link = $a->href; //或者: $link = $html->find('a',0)->href;每个对象都有4个基本对象属性:
innertext – 返回innerHTML
outertext – 返回outerHTML
plaintext – 返回html标签中的文本
3.2 在解析器中编辑元素
编辑元素属性的用法和调用它们是类似的:
<?php //给$a的锚链接赋新值 $a->href = 'http://www.bfw.wiki'; // 删除锚链接 $a->href = null; // 检测是否存在锚链接 if(isset($a->href)) { //代码 }
<?php // 封装元素 $e->outertext = '<div class="wrap">' . $e->outertext . '<div>'; // 删除元素 $e->outertext = ''; // 添加元素 $e->outertext = $e->outertext . '<div>foo<div>'; // 插入元素 $e->outertext = '<div>foo<div>' . $e->outertext; 保存修改后的html DOM文档也非常简单: $doc = $html; // 输出 echo $doc;
四、如何避免解析器消耗过多内存?
只要在使用完后释放对象
$html->clear();
五、项目webide在线地址,可在线直接修改源码调试
http://studio.bfw.wiki/Studio/Open.html?projectid=15868571942752150037
网友评论0