laravel8（四）使⽤simple_html_dom库解析html ⾸先：simple_html_dom下载地址：
这是⼀个PHP解析html的⼀个库。
这玩意还是很有⽤的，⽐如我们在使⽤PHP做爬⾍的时候，需要解析html中的内容等。
他的强⼤之处不仅仅只是帮助我们验证html⽂档；更能解析不符合W3C标准的html⽂档。
关于如何引⼊第三⽅类库，请移步《laravel5.8（⼗）引⼊第三⽅类库》laravel8中的设置⽅法也⼤同⼩异。
⼀：加载html
有三种⽅式调⽤这个类：
1. 从url中加载html⽂档
2. 从字符串中加载html⽂档
3. 从⽂件中加载html⽂档
<?php
// 新建⼀个Dom实例
$html=new simple_html_dom();
// 从url中加载
$html->load_file('guanchao.site');
// 从字符串中加载
$html->load('<html><body>从字符串中加载html⽂档演⽰</body></html>');
//从⽂件中加载
$html->load_file('path/file/test.html');
>
加载标签的时候，我这⾥遇到了⼀个⼩问题，\n以及  在使⽤load加载的时候，会被替换成空值，这个体验不太好。那么如何避免这个问题呢？
我们查看⼀下load⽅法的源码：
// load html from string
function load($str,$lowercase=true,$stripRN=true,$defaultBRText=DEFAULT_BR_TEXT,$defaultSpanText=DEFAULT_SPAN_TEXT)
{
global$debugObject;
// prepare
$this->prepare($str,$lowercase,$stripRN,$defaultBRText,$defaultSpanText);
// strip out comments
$this->remove_noise("'<!--(.*?)-->'is");
// strip out cdata
$this->remove_noise("'<!\[CDATA\[(.*?)\]\]>'is",true);
/
/ Per sourceforge sourceforge/tracker/?func=detail&aid=2949097&group_id=218559&atid=1044037
// Script tags removal now preceeds style tag removal.
// strip out <script> tags
$this->remove_noise("'<\s*script[^>]*[^/]>(.*?)<\s*/\s*script\s*>'is");
$this->remove_noise("'<\s*script\s*>(.*?)<\s*/\s*script\s*>'is");
// strip out <style> tags
$this->remove_noise("'<\s*style[^>]*[^/]>(.*?)<\s*/\s*style\s*>'is");
$this->remove_noise("'<\s*style\s*>(.*?)<\s*/\s*style\s*>'is");
// strip out preformatted tags
$this->remove_noise("'<\s*(?:code)[^>]*>(.*?)<\s*/\s*(?:code)\s*>'is");
// strip out server side scripts
$this->remove_noise("'(<\?)(.*?)(\?>)'s",true);
// strip smarty scripts
$this->remove_noise("'(\{\w)(.*?)(\})'s",true);
// parsing
while($this->parse());
// end
$this->root->_[HDOM_INFO_END]=$this->cursor;
$this->parse_charset();
// make load function chainable
return$this;
}
参数中的$stripRN 默认是true，我们在调⽤load函数的时候，给其传false，我们的html标签中的\n以及  就不会替换成空。
如果从字符串加载html⽂档，需要先从⽹络上下载。建议使⽤CURL来抓取html⽂档并加载DOM中。
PHP Simple HTML DOM Parser提供了3种⽅式来创建DOM对象 :
<?php
// 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('le/');
// Create a DOM object from a HTML file
$html=file_get_html('test.htm');
>
⼆：查标签
可以使⽤find函数来查html⽂档中的元素。返回的结果是⼀个包含了对象的数组。我们使⽤HTML DOM解析类中的函数来访问这些对象，下⾯给出⼏个⽰例：
//查html⽂档中的超链接元素
$a=$html->find('a');
//查⽂档中第(N)个超链接，如果没有到则返回空数组.
$a=$html->find('a',0);
// 查id为main的div元素
$main=$html->find('div[id=main]',0);
// 查所有包含有id属性的div元素
$divs=$html->find('div[id]');
// 查所有包含有id属性的元素
$divs=$html->find('[id]');
>
还可以使⽤类似jQuery的选择器来查定位元素：
<?php
// 查id='#container'的元素
$ret=$html->find('#container');
// 到所有class=foo的元素
$ret=$html->find('.foo');
// 查多个html标签
$ret=$html->find('a, img');
// 还可以这样⽤
$ret=$html->find('a[title], img[title]');
>
解析器⽀持对⼦元素的查
<?php
// 查 ul列表中所有的li项
$ret=$html->find('ul li');
//查 ul 列表指定class=selected的li项
$ret=$html->find('ul li.selected');
>
如果你觉得这样⽤起来⿇烦，使⽤内置函数可以轻松定位元素的⽗元素、⼦元素与相邻元素
// 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 ();
>
关于标签查，以上⼤概就差不多够⽤了。
html href属性我这⾥放⼀下我使⽤的⽰例：获取a标签中的href属性
$html=new simple_html_dom();
$res=$html->load($content);
$mp4Arr=array();
//获取 [body a] a标签的href属性
$aHref=$res->find('a');
foreach($aHref as$key=>$item)
{
if(isset($item->attr))
{
if(isset($item->attr['href'])==true)
{
$mp4Arr[]=$item->attr['href'];
}
}
}
return$mp4Arr;
// $mp4Arr 是⼀个⼀维数组，⾥边是html中每个a标签的href
/
/ $content 是⼀段html
三：修改标签
修改标签主要是使⽤setAtribute⽅法，⽰例如下：
//给页⾯中的a标签添加类名、设置样式
$html->find('a',0)->setAttribute('class','bar');
$html->find('a',0)->setAttribute('style','color:red');
//打印指定标签内容
foreach($html->find('div#gbar')as$e)echo$e->innertext.'<br>'; //向指定标签中添加内容
$aaa=[1,2,3];
$tr='';
foreach($aaa as$color)
$tr.="<td>".$color."</td>";
$html->find('tr',3)->innertext=$tr;
四：输出内容
<?php
$html=new simple_html_dom();
// 获取⽂章中所有的img标签(查看源码参数)
$articleData=$html->load($detail->content,true,false);
$articleData->tag;// 获取标签
$articleData->outertext;//获取外⽂本
$articleData->innertext;// 获取内⽂本
$articleData->plaintext;// 获取纯⽂本
/
/ 具体输出长什么样⼦，你可以⾃⼰尝试⼀下。
//保存修改到指定⽂件（前提是⽂件需要存在）
$html->save('demo.htm
l’);
>
替换标签+输出内容⽰例
$html=new simple_html_dom();
// 获取⽂章中所有的img标签(查看源码参数)
$articleData=$html->load($detail->content,true,false);
//获取 [body img] img标签的src属性
$imgSrc=$articleData->find('img');
foreach($imgSrc as$key=>$item)
{
// 设置vue点击⽅法
$articleData->find('img',$key)->setAttribute('onclick',"imageBoost('".$item->attr['src']."')");
// 设置class
$articleData->find('img',$key)->setAttribute('class','cursor');
// 设置宽度
$articleData->find('img',$key)->setAttribute('style','width:100%');
// 读取图⽚src属性值
/*if(isset($item->attr))
{
if(isset($item->attr['src'])==true)
{
$imgList[]=$item->attr['src'];
}
}//*/
}//*/
// 将修改之后的html重新赋值回去
$detail->content=$articleData->outertext;
五：防⽌内存溢出：
// 使⽤结束清除对象
$html->clear();
以上⼤概就是基本的simple_html_dom使⽤。
有好的建议，请在下⽅输⼊你的评论。
欢迎访问⼩程序：

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。