README

PHPHtmlParser是一个简单、灵活的HTML解析器，允许您使用任何CSS选择器选择标签，就像jQuery一样。目标是帮助开发需要快速、简单方式抓取HTML的工具，无论HTML是否有效！

安装

使用composer安装最新版本。

$ composer require 1foru/php-html-parser

由于原始创建者似乎已经放弃了这个项目，我无法在我的项目中安装它，所以我创建了一个分支并将其作为新的包发布，以便我可以在我的项目中安装它。

基本用法

您可以在测试目录中找到许多如何使用DOM解析器和其任何部分（您很可能永远不会接触）的示例。测试是用PHPUnit进行的，非常小，每个只有几行，是一个很好的起点。因此，我仍将展示一些如何使用该包的示例。以下是一个对该包的非常简单的使用示例。

// Assuming you installed from Composer:
require "vendor/autoload.php";
use PHPHtmlParser\Dom;

$dom = new Dom;
$dom->loadStr('<div class="all"><p>Hey bro, <a href="google.com">click here</a><br /> :)</p></div>');
$a = $dom->find('a')[0];
echo $a->text; // "click here"

上述代码将输出“点击这里”。简单，不是吗？从DOM中获取相同结果的方法有很多，例如$dom->getElementsbyTag('a')[0]或$dom->find('a', 0)，这些都可以在测试或代码本身中找到。

财务支持PHP Html Parser

通过Tidelift订阅支持Monolog并资助项目。

Tidelift为构建应用程序时使用的开源依赖项提供商业支持和维护。节省时间，降低风险，并提高代码健康度，同时支付您使用的确切依赖项的维护者。

加载文件

您还可以无缝地将文件加载到DOM中，而不是字符串，这更加方便，这也是大多数开发人员预期将加载HTML的方式。以下示例取自我们的测试，并使用该目录中找到的“big.html”文件。

// Assuming you installed from Composer:
require "vendor/autoload.php";
use PHPHtmlParser\Dom;

$dom = new Dom;
$dom->loadFromFile('tests/data/big.html');
$contents = $dom->find('.content-border');
echo count($contents); // 10

foreach ($contents as $content)
{
	// get the class attr
	$class = $content->getAttribute('class');
	
	// do something with the html
	$html = $content->innerHtml;

	// or refine the find some more
	$child   = $content->firstChild();
	$sibling = $child->nextSibling();
}

此示例从“big.html”文件加载HTML，这是一个在线的实时页面，并获取所有content-border类以进行处理。它还展示了您可以对一个节点执行的一些操作，但并不是一个详尽的列表，列出了节点可用的方法。

加载URL

加载URL的方式与从文件中加载HTML的方式非常相似。

// Assuming you installed from Composer:
require "vendor/autoload.php";
use PHPHtmlParser\Dom;

$dom = new Dom;
$dom->loadFromUrl('http://google.com');
$html = $dom->outerHtml;

// or
$dom->loadFromUrl('http://google.com');
$html = $dom->outerHtml; // same result as the first example

默认情况下，loadFromUrl将使用实现\Psr\Http\Client\ClientInterface的实例来执行HTTP请求，并使用默认实现\Psr\Http\Message\RequestInterface来创建请求体。您可以通过使用loadFromUrl轻松实现自己的客户端或请求版本，以在加载URL时使用自定义HTTP连接。

// Assuming you installed from Composer:
require "vendor/autoload.php";
use PHPHtmlParser\Dom;
use App\Services\MyClient;

$dom = new Dom;
$dom->loadFromUrl('http://google.com', null, new MyClient());
$html = $dom->outerHtml;

只要客户端对象正确实现接口，它就会使用该对象来获取URL的内容。

直接加载字符串

直接加载字符串也很容易完成。

// Assuming you installed from Composer:
require "vendor/autoload.php";
use PHPHtmlParser\Dom;

$dom = new Dom;
$dom->loadStr('<html>String</html>');
$html = $dom->outerHtml;

选项

您还可以设置会影响解析器行为的解析选项。您可以使用Dom对象中的setOptions方法设置全局选项数组，或者通过将其添加到load方法作为额外（可选）参数来设置实例特定的选项。

// Assuming you installed from Composer:
require "vendor/autoload.php";
use PHPHtmlParser\Dom;
use PHPHtmlParser\Options;

$dom = new Dom;
$dom->setOptions(
    // this is set as the global option level.
    (new Options())
        ->setStrict(true)
);

$dom->loadFromUrl('http://google.com', 
    (new Options())->setWhitespaceTextNode(false) // only applies to this load.
);

$dom->loadFromUrl('http://gmail.com'); // will not have whitespaceTextNode set to false.

目前我们支持12个选项。

严格

严格模式，默认为false，如果发现HTML不符合严格规范（所有标签必须有闭合标签，没有值的属性等），将抛出StrickException异常。

whitespaceTextNode

whitespaceTextNode，默认为true，该选项告诉解析器即使节点的内容为空（只有空白），也要保存文本节点。将其设置为false将忽略文档中找到的所有仅包含空白的文本节点。

enforceEncoding

enforceEncoding，默认为null，该选项将强制使用字符集来读取内容并返回该编码的内容。将其设置为null将尝试从给定的字符串内容中确定编码。

cleanupInput

将其设置为false以跳过解析器的整个清理阶段。如果设置为true，则将忽略以下3个选项。默认为true。

removeScripts

将其设置为false以跳过从文档主体中删除脚本标签。这可能会产生不利影响。默认为true。

removeStyles

将其设置为false以跳过从文档主体中删除样式标签。这可能会产生不利影响。默认为true。

preserveLineBreaks

如果设置为true，则保留换行符。如果设置为false，则将清理输入过程中作为部分清理过程的换行符。默认为false。

removeDoubleSpace

如果想要保留文本节点内的空白，则将其设置为false。默认为true。

removeSmartyScripts

如果想要保留HTML内容中找到的smarty脚本，则将其设置为false。默认为true。

htmlSpecialCharsDecode

默认设置为false。将其设置为true将应用php函数htmlspecialchars_decode到所有属性值和文本节点。

selfClosing

该选项包含所有自闭合标签的数组。这些标签必须是自闭合的，如果启用了严格模式，解析器将强制它们自闭合。您可以使用严格模式时可以作为自闭合标签使用的任何附加标签来更新此列表。您也可以从数组中删除标签或完全清除它。

noSlash

该选项包含所有不能自闭合的标签的数组。列表最初为空，但您可以按需添加元素。

静态外观

您还可以为DOM对象安装静态外观。

PHPHtmlParser\StaticDom::mount();

Dom::loadFromFile('tests/big.hmtl');
$objects = Dom::find('.content-border');

上述php代码块执行与第一个示例相同的查找和加载，但它使用的是静态外观，该外观支持在DOM对象中找到的所有公共方法。

修改DOM

您可以始终修改从任何加载方法创建的DOM。要更改任何节点的属性，只需调用setAttribute方法。

use PHPHtmlParser\Dom;

$dom = new Dom;
$dom->loadStr('<div class="all"><p>Hey bro, <a href="google.com">click here</a><br /> :)</p></div>');
$a = $dom->find('a')[0];
$a->setAttribute('class', 'foo');
echo $a->getAttribute('class'); // "foo"

您也可以直接获取PHPHtmlParser\Dom\Tag类，并按您的需要对其进行操作。

use PHPHtmlParser\Dom;

$dom = new Dom;
$dom->loadStr('<div class="all"><p>Hey bro, <a href="google.com">click here</a><br /> :)</p></div>');
/** @var Dom\Node\AbstractNode $a */
$a   = $dom->find('a')[0];
$tag = $a->getTag();
$tag->setAttribute('class', 'foo');
echo $a->getAttribute('class'); // "foo"

您还可以从树中删除节点。只需在任何节点上调用delete方法即可将其从树中删除。注意，您应该在从`DOM`中删除节点后取消设置节点，如果不取消设置，则节点仍将占用内存，直到取消设置。

use PHPHtmlParser\Dom;

$dom = new Dom;
$dom->loadStr('<div class="all"><p>Hey bro, <a href="google.com">click here</a><br /> :)</p></div>');
/** @var Dom\Node\AbstractNode $a */
$a   = $dom->find('a')[0];
$a->delete();
unset($a);
echo $dom; // '<div class="all"><p>Hey bro, <br /> :)</p></div>');

您可以轻松修改TextNode对象的文本。请注意，如果您设置了编码，则新文本将使用现有编码进行编码。

use PHPHtmlParser\Dom;

$dom = new Dom;
$dom->loadStr('<div class="all"><p>Hey bro, <a href="google.com">click here</a><br /> :)</p></div>');
/** @var Dom\Node\InnerNode $a */
$a   = $dom->find('a')[0];
$a->firstChild()->setText('biz baz');
echo $dom; // '<div class="all"><p>Hey bro, <a href="google.com">biz baz</a><br /> :)</p></div>'

1foru / php-html-parser

维护者

详情