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。目标是协助开发需要快速、简单抓取 HTML 的工具，无论它是有效的还是无效的！

安装

使用 composer 安装最新版本。

$ composer require paquettg/php-html-parser

此包可在 packagist 上找到，并建议使用 composer 加载。我们支持 php 7.2、7.3 和 7.4。

基本用法

您可以在测试目录中找到许多使用 DOM 解析器和其任何部分（您最可能永远不会接触到的）的示例。测试是用 PHPUnit 完成的，非常小，每个只有几行，是开始的好地方。考虑到这一点，我仍将展示一些如何使用此包的示例。以下是一个使用该包的非常简单的示例。

// 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"

上面的示例将输出 "click here"。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。

资助 PHP Html Parser

通过获取支持的 Monolog 并使用 Tidelift Subscription 资助项目。

Tidelift 为您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，同时资助您确切使用的依赖项的维护者。

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，这要方便得多，也是大多数开发者加载 HTML 的预期方式。以下示例取自我们的测试，并使用了在该处找到的 "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();
}

此示例加载了来自 big.html 的 HTML，一个在线找到的真实页面，并获取所有 content-border 类以进行处理。它还展示了您可以使用节点执行的一些操作，但这并不是节点可用的方法列表的详尽列表。

加载 URL

加载 URL 与从文件加载 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 \Psr\Http\Client\ClientInterface 的实现来完成 HTTP 请求，并使用默认的 \Psr\Http\Message\RequestInterface 实现来创建请求体。您可以通过使用 loadFromUrl 实现自己的客户端或请求版本来使用自定义 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了接口，它就会使用该对象来获取 URL 的内容。

加载字符串

直接加载字符串也很容易。

// 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，或通过将其添加到 load 方法的额外（可选）参数中设置实例特定选项。

// 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），则会抛出StrickException异常。

whitespaceTextNode

whitespaceTextNode选项，默认为true，告诉解析器即使节点内容为空（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文本的节点。

enforceEncoding

enforceEncoding选项，默认为null，将强制使用字符集读取内容并返回该编码的内容。将其设置为null将尝试从提供的字符串内容中确定编码。

cleanupInput

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

removeScripts

将此设置为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

将此设置为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，则将换行符作为输入清理过程的一部分清理。默认为false。

removeDoubleSpace

如果您想保留文本节点内的空白，请将此设置为false。默认为true。

removeSmartyScripts

如果您想保留HTML内容中找到的smarty脚本，请将此设置为false。默认为true。

htmlSpecialCharsDecode

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

selfClosing

此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strict时可以将任何其他标签添加到该列表中用作自闭合标签。您也可以从该数组中删除标签或将其完全清空。

noSlash

此选项包含所有不能自闭合的标签的数组。列表最初为空，但您可以添加您希望添加的元素。

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');

上面的PHP块执行与第一个示例相同的查找和加载操作，但它使用的是静态外观，它支持DOM对象中找到的所有公共方法。

修改DOM

您始终可以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方法即可。

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"

您还可以直接获取PHPHtmlParser\Dom\Tag类，并根据需要进行操作。

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。请注意，删除节点后，您应该取消设置节点，因为它在未取消设置的情况下仍然会占用内存。

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>'

jagehring / php-html-parser

维护者

详细信息