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
复制代码 代码如下:
include_once(‘simple_html_dom.php’);
PHP Simple HTML DOM Parser提供了3种方式来创建DOM对象
复制代码 代码如下:
// 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对象后就可以进行各种操作了
复制代码 代码如下:
// 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]’);
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
复制代码 代码如下:
// 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
复制代码 代码如下:
// 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’);
