PHP 解析 HTML

在 PHP 中，我们可以利用内置的 DOM 类来解析 HTML，操作 HTML 元素节点，并抓取其中需要的数据。

1. DOM 类

DOM 类是 PHP 内置的一个 API，它可以将 HTML 文件作为树形结构进行处理，我们可以通过该 API 来查询 HTML 元素节点、获取元素属性、修改元素内容等。

1.1 创建 DOM 对象

我们可以通过以下方式来创建一个 DOM 对象：

$dom = new DOMDocument();

1.2 加载 HTML 文件

我们可以通过 loadHTMLFile() 方法来加载 HTML 文件，并将其转换为 DOM 对象：

$dom = new DOMDocument();
$dom->loadHTMLFile('example.html');

1.3 查询元素

我们可以利用 getElementsByTagName() 方法来查询某个元素，它返回的是一个元素数组：

$dom = new DOMDocument();
$dom->loadHTMLFile('example.html');

// 查询所有的 a 标签
$link_elements = $dom->getElementsByTagName('a');

// 打印所有链接的 href 属性
foreach ($link_elements as $link) {
  echo $link->getAttribute('href') . "\n";
}

1.4 修改元素内容

我们可以利用 nodeValue 属性来修改元素的文本内容：

$dom = new DOMDocument();
$dom->loadHTMLFile('example.html');

// 将所有的 h1 标签的内容修改为 Hello World
$h1_elements = $dom->getElementsByTagName('h1');
foreach ($h1_elements as $h1) {
  $h1->nodeValue = 'Hello World';
}

// 将修改后的文档保存到文件
$dom->save('example.html');

2. Simple HTML DOM 解析库

除了内置的 DOM 类外，我们也可以使用第三方的解析库来解析 HTML，其中比较常用的是 Simple HTML DOM。这个库的使用方法非常简单，我们可以通过以下方式来获取某个元素：

include('simple_html_dom.php');

$html = file_get_html('example.html');

// 查询所有的 a 标签
$link_elements = $html->find('a');

// 打印所有链接的 href 属性
foreach ($link_elements as $link) {
  echo $link->href . "\n";
}

在以上例子中，我们首先需要引入该库，然后通过 file_get_html() 方法来加载 HTML 文件，并将其转换为 Simple HTML DOM 对象。

3. 总结

无论是内置的 DOM 类还是第三方解析库，它们都可以帮助我们解析 HTML 文件，获取并处理其中需要的数据。我们可以根据自己的需求来选择合适的解析方式，以及灵活运用相关方法实现相应的操作。