README

注意：这是一个paquettg/php-html-parser的分支，当时由于原始项目不支持PHP 7.2，因此需要提供兼容性。从那时起，原始作者已经重新开始处理该包，因此您应该使用那个而不是这个。

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，无论它是有效的还是无效的！该项目最初由sunra/php-simple-html-dom-parser支持，但似乎支持已经停止，因此这个项目是我对他之前工作的改编。

安装

此包可在packagist上找到，并最好使用composer加载。我们支持php 5.6，7.0和hhvm 2.3。

用法

您可以在测试目录中找到许多使用DOM解析器和任何其部分（您可能永远不会接触）的示例。这些测试使用PHPUnit进行，非常小，每个只有几行，是一个很好的起点。考虑到这一点，我仍将展示一些如何使用该包的示例。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->load('<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"

上面的代码将输出"点击这里"。简单吗？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。

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，并且是我期望大多数开发人员将加载HTML的方式。以下示例取自我们的测试，并使用在该处找到的"big.html"文件。

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

$dom = new Dom;
$dom->loadFromFile('tests/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，一个在线找到的真实页面，并获取所有content-border类以进行处理。它还展示了您可以与节点一起执行的一些操作，但这不是节点具有的所有可用方法的全列表。

另请考虑始终使用load()方法来加载文件。它将尝试使用file_exists查找文件，如果成功，将为您调用loadFromFile()。同样适用于URL和loadFromUrl()方法。

加载URL

加载URL的方式与从文件加载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->load('http://google.com');
$html = $dom->outerHtml; // same result as the first example

使loadFromUrl方法值得注意的是PHPHtmlParser\CurlInterface参数，一个可选的第二个参数。默认情况下，我们使用PHPHtmlParser\Curl类获取URL的内容。另一方面，您也可以注入自己的CurlInterface实现，我们将尝试使用您想要的任何工具/设置来加载URL，由您决定。

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

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

只要Connector对象正确实现了PHPHtmlParser\CurlInterface接口，它就会使用该对象来获取URL的内容，而不是默认的PHPHtmlParser\Curl类。

加载字符串

直接加载字符串，无需在load()中进行检查，也非常简单。

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

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

如果字符串太长，根据您的文件系统，load()方法可能会抛出警告。如果发生这种情况，您可以直接调用上述方法来绕过load()方法中的is_file()检查。

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，或者通过将其作为额外（可选）参数添加到load方法中来设置实例特定的选项。

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

$dom = new Dom;
$dom->setOptions([
	'strict' => true, // Set a global option to enable strict html parsing.
]);

$dom->load('http://google.com', [
	'whitespaceTextNode' => false, // Only applies to this load.
]);

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

目前我们支持7个选项。

严格

默认情况下，严格（Strict）为false，如果它发现HTML不严格符合规范（所有标签都必须有闭合标签，没有值的属性等），则将抛出StrickException异常。

空白文本节点

空白文本节点（whitespaceTextNode）选项默认为true，它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。

强制编码

强制编码（enforceEncoding）选项默认为null，它将强制使用一个字符集来读取内容并以该编码返回内容。将其设置为null将触发尝试从提供的字符串内容中确定编码。

清理输入

将此设置为true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false。

删除脚本

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。

删除样式

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。

保留换行符

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进行清理。默认为false。

静态外观

您还可以为Dom对象安装静态外观。

PHPHtmlParser\StaticDom::mount();

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

上述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，该外观支持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。

$dom = new Dom;
$dom->load('<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。

$dom = new Dom;
$dom->load('<div class="all"><p>Hey bro, <a href="google.com">click here</a><br /> :)</p></div>');
$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。只需在任意节点上调用delete方法即可将其从树中删除。需要注意的是，在从`DOM`中删除节点后，您应该取消设置节点，否则它仍然会占用内存，直到它被取消设置。

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

thesoftwarefanatics / php-html-parser

维护者

详细信息