php解析html文件PHP Simple HTML DOM Parser

这里介绍一个php解析HTML文件的工具：PHP Simple HTML DOM Parser7x2无知

官方文档：https://simplehtmldom.sourceforge.io/docs/1.9/7x2无知

代码下载：https://sourceforge.net/projects/simplehtmldom/ 7x2无知

PHP Simple HTML DOM Parser 处理任何 HTML 文档，即使是那些被 HTML 规范视为无效的文档。7x2无知

环境要求：

** This makes it possible to load files from URL using file_get_html7x2无知

** 这使得可以使用从 URL 加载文件7x2无知

快速入门

7x2无知

下面的示例代码演示了 PHP Simple HTML DOM Parser 的基本功能。7x2无知

从 HTML 文档中读取纯文本

echo file_get_html('https://www.google.com/')->plaintext;

将指定的 HTML文档加载到内存中，对其进行解析并返回纯文本。注意file_get_html支持本地文件和远程文件！7x2无知

从 HTML 字符串中读取纯文本

echo str_get_html('<ul><li>Hello, World!</li></ul>')->plaintext;

解析提供的 HTML字符串并返回纯文本。请注意，解析器处理部分文档以及完整文档。7x2无知

从 HTML 文档中读取特定元素

$html = file_get_html(' 
foreach($html->find('img') as $element)    
    echo $element->src . '<br>';
foreach($html->find('a') as $element)    
    echo $element->href . '<br>';

将指定的文档加载到内存中并返回图像源列表以及锚链接。请注意，find 支持CSS选择器以在 DOM 中查找元素。7x2无知

修改 HTML 文档

$doc = '<div id="hello">Hello, </div><div id="world">World!</div>';

$html = str_get_html($doc);

$html->find('div', 1)->class = 'bar';
$html->find('div[id=hello]', 0)->innertext = 'foo';

echo $html; // <div id="hello">foo</div><div id="world" class="bar">World!</div>

在返回更新的 HTML 字符串之前解析提供的 HTML 字符串并替换 DOM 中的元素。在此示例中，第二个div元素的类设置为，第一个元素bar的内部文本设置为。divfoo7x2无知

请注意，find支持第二个参数从匹配数组中返回单个元素。7x2无知

请注意，可以通过魔术方法直接访问属性（->class在->innertext上面的示例中）。7x2无知

从 Slashdot 收集信息

$html = file_get_html('https://slashdot.org/');

$articles = $html->find('article[data-fhtype="story"]');

foreach($articles as $article) {
    $item['title'] = $article->find('.story-title', 0)->plaintext;
    $item['intro'] = $article->find('.p', 0)->plaintext;
    $item['details'] = $article->find('.details', 0)->plaintext;
    $items[] = $item;
}

print_r($items);

从Slashdot收集信息以进行进一步处理。7x2无知

请注意，CSS 选择器和魔术方法的组合使解析 HTML 文档的过程成为一项易于理解的简单任务。7x2无知

7x2无知

使用示例：

require('simple_html_dom.php');

function get_weixin_content($url){
  $dom = file_get_html($url);
  if(!$dom){
      return false;
  }
  $title = $dom->find("h2[id=activity-name]", 0)->outertext;
  $data['title'] = $title;
  $content = $dom->find("div[id=js_content]", 0)->outertext;
  $content = str_replace("data-src", "src", $content);
  $content = str_replace("style=\"visibility: hidden;\">", ">", $content);
  $data['content'] = saveimages($content);
  return $data;
}

其中saveimages为远程图片本地化函数7x2无知

使用以上代码可以实现微信公众号文章采集.7x2无知

7x2无知

本文由 微wx笑 创作，采用 署名-非商业性使用-相同方式共享 4.0 许可协议，转载请附上原文出处链接及本声明。
原文链接：https://www.ivu4e.cn/blog/lang/2022-07-03/1288.html

很赞哦！ () 赏 有话说 ()