simple-Html-Dom解析HTML文件

最新推荐文章于 2024-08-22 09:13:12 发布

原创最新推荐文章于 2024-08-22 09:13:12 发布 · 579 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#搜索引擎 #php #java #thinkphp #python

本文介绍了如何在PHP中使用Simple-Html-Dom库来解析和提取HTML内容，避免复杂的正则表达式操作。通过示例代码展示了如何引入库文件、获取网页DOM、查找特定元素以及提取文本等基本操作。

要想获得网页源码里的指定内容需要用到正则表达式！正则表达式，让我猝不及防，因为之前没有接触过，用起来非常的吃力！

在Java中，有大牛封装好的库，我使用的是Jsoup。将Jsuop的Jar包引入项目中，指定好唯一标示，再使用选择器，就可以将数据解析出来，最近接触到了PHP，就像使用PHP解析个新闻来玩玩！Jsoup解析滁州学院官网获取信息列表

正如我刚才所说，正规的做法就是使用正则表达式获取数据！搞了好长时间，真心驾驭不住！无论怎样研究，都没有什么卵用！

最后我通过Google搜索引擎，搜索到一篇文章，文章里介绍几种调用PHP文件来解析HTML的方法，真是天助我也！

文章我待会给转载发布出来，因为我找到的也是比人通过“转载器”发表的，既然很有用，我就给它搬过来！

昨天我使用Simple-Html-Dom.php文件，解析糗事百科首页的糗事，并定时，15分钟获取一次！因为刚刚接触PHP，昨天在11点半断网之前刚把代码发布到SAE上，有点担心代码不能正常运行，毕竟对PHP一点都不了解！

今早起来，一看数据库

这酸爽，数据太多了，太多也没用，我就关闭了获取！

下面来讲讲如何使用Simple-Html-Dom来解析HTML(小弟接触php不到两天)，如果大牛看到，呵呵一笑，最好给点意见，不要喷，怕被喷！

1、下载Simple-Html-Dom压缩文件

去官网(http://sourceforge.net/projects/simplehtmldom/files/)下载压缩文件;

2、解压文件

解压文件会发现如下文件

你需要用到的方法，demo里基本上都有，就看你怎么使用了

大家看如下代码，会发现是如何引入php文件和方法的

// example of how to use basic selector to retrieve HTML contents
include('../simple_html_dom.php');//引入php核心文件，注意路径，不要写错

// get DOM from URL or file
$html = file_get_html('http://www.google.com/');

// find all link
foreach($html->find('a') as $e)
echo $e->href . '
';

// find all image
foreach($html->find('img') as $e)
echo $e->src . '
';

// find all image with full tag
foreach($html->find('img') as $e)
echo $e->outertext . '
';

// find all div tags with id=gbar
foreach($html->find('div#gbar') as $e)
echo $e->innertext . '
';

// find all span tags with class=gb1
foreach($html->find('span.gb1') as $e)
echo $e->outertext . '
';

// find all td tags with attribite align=center
foreach($html->find('td[align=center]') as $e)
echo $e->innertext . '
';

// extract text from table
echo $html->find('td[align="center"]', 1)->plaintext.'

// extract text from HTML
echo $html->plaintext;
?>
还有这个php文件 // example of how to use advanced selector features
include('../simple_html_dom.php');

// -----------------------------------------------------------------------------
// descendant selector
$str = <<

HTML;

$html = str_get_html($str);
echo $html->find('div div div', 0)->innertext . '
'; // result: "ok"

// -----------------------------------------------------------------------------
// nested selector
$str = <<

item:1
item:2

item:3
item:4

HTML;

$html = str_get_html($str);
foreach($html->find('ul') as $ul) {
foreach($ul->find('li') as $li)
echo $li->innertext . '
';
}

// -----------------------------------------------------------------------------
// parsing checkbox
$str = <<

HTML;

$html = str_get_html($str);
foreach($html->find('input[type=checkbox]') as $checkbox) {
if ($checkbox->checked)
echo $checkbox->name . ' is checked
';
else
echo $checkbox->name . ' is not checked
';
}
?>
这个Demo讲解的更加详细，虽然简洁但是不简单！大家如果感兴趣，可以下载运行一下试试

要想获得网页源码里的指定内容需要用到正则表达式！正则表达式，让我猝不及防，因为之前没有接触过，用起来非常的吃力！

正如我刚才所说，正规的做法就是使用正则表达式获取数据！搞了好长时间，真心驾驭不住！无论怎样研究，都没有什么卵用！

最后我通过Google搜索引擎，搜索到一篇文章，文章里介绍几种调用PHP文件来解析HTML的方法，真是天助我也！

文章我待会给转载发布出来，因为我找到的也是比人通过“转载器”发表的，既然很有用，我就给它搬过来！

今早起来，一看数据库

这酸爽，数据太多了，太多也没用，我就关闭了获取！

下面来讲讲如何使用Simple-Html-Dom来解析HTML(小弟接触php不到两天)，如果大牛看到，呵呵一笑，最好给点意见，不要喷，怕被喷！

1、下载Simple-Html-Dom压缩文件

去官网(http://sourceforge.net/projects/simplehtmldom/files/)下载压缩文件;

2、解压文件

解压文件会发现如下文件

你需要用到的方法，demo里基本上都有，就看你怎么使用了

大家看如下代码，会发现是如何引入php文件和方法的 // example of how to use basic selector to retrieve HTML contents
include('../simple_html_dom.php');//引入php核心文件，注意路径，不要写错