PHP Simple HTML DOM синтаксис руководство на русском

КРАТКО

PHP Simple HTML DOM - библиотека парсинга на PHP, переведена исключительно для удобства пользования (из-за плохого знания буржуйского ускользают некоторые нужные вещи)

Быстрый старт

Получить элементы HTML

// Создать DOM из URL или файла
$html = file_get_html('http://www.google.com/');

// Найти все изображения
foreach($html->find('img') as $element)
echo $element->src . '<br>';

// Найти все ссылки
       foreach($html->find('a') as $element)
           echo $element->href . '<br>';

   Изменить элементы HTML

// Создать DOM из строки
       $html = str_get_html('<div id="hello">Hello</div><div id="world">World</div>');

       $html->find('div', 1)->class = 'bar';

       $html->find('div[id=hello]', 0)->innertext = 'foo';

       echo $html; // Вывод: <div id="hello">foo</div><div id="world" class="bar">World</div>

   Извлечь содержимое из HTML

// Дамп содержимого (без тегов) из HTML
       echo file_get_html('http://www.google.com/')->plaintext;

   Скрапинг Sladshot

// Создать DOM из URL
$html = file_get_html('http://slashdot.org/');

// Найти все блоки статей по каждому элементу
           foreach($html->find('div.article') as $article) {
               $item['title']     = $article->find('div.title', 0)->plaintext;
               $item['intro']    = $article->find('div.intro', 0)->plaintext;
               $item['details'] = $article->find('div.details', 0)->plaintext;
               $articles[] = $item;
           }

       print_r($articles);

Как создать объект HTML DOM

Быстрый способ

// Создать объект DOM из строки
$html = str_get_html('<html><body>Hello!</body></html>');

// Создать объект DOM из URL
$html = file_get_html('http://www.google.com/');

// Создать объект DOM из HTML-файла
$html = file_get_html('test.htm');

Объектно-ориентированный способ

// Создать объект DOM
$html = new simple_html_dom();

// Загрузить HTML из строки
$html->load('<html><body>Hello!</body></html>');

// Загрузить HTML с URL-адреса
$html->load_file('http://www.google.com/');

// Загрузить HTML из файла HTML
       $html->load_file('test.htm');

Как найти элементы HTML

Основы

// Найти все ссылки, возвращает массив объектов элементов
$ret = $html->find('a');

// Найти (N)-ю ссылку, объект возвращает элемент или нуль , если не найден (с нуля)
$ret = $html->find('a', 0);

// Найти последнюю ссылку , возвращает объект элемента или нуль , если не найден ( с нуля)
$ret = $html->find('a', -1);

// Найти все <div> с атрибутом id
$ret = $html->find('div[id]');

// Найти все <div>, атрибут которых id = foo
       $ret = $html->find('div[id=foo]');

   Продвинутый

// Найти все элементы, которые id = foo
$ret = $html->find('#foo');

// Найти все элементы, которые class = foo
$ret = $html->find('.foo');

// Найти все элементы с ID атрибута
$ret = $html->find('*[id]');

// Найти все ссылки и изображения
$ret = $html->find('a, img');

// Находим все ссылки и изображения с атрибутом "title"
       $ret = $html->find('a[title], img[title]');

   Селекторы потомков

// Находим все <li> в <ul>
$es = $html->find('ul li');

// Находим вложенные теги <div>
$es = $html->find('div div div');

// Находим все <td> в <table> which class = hello
$es = $html->find('table.hello td');

// Находим все теги td с атрибутом align = center в тегах таблиц
       $es = $html->find(''table td[align=center]');

   Вложенные селекторы

// Находим все <li> в <ul>
       foreach($html->find('ul') as $ul)
       {
               foreach($ul->find('li') as $li)
               {
                   // что-то делаем. ..
               }
       }

// Находим первый <li> в первом <ul>
       $e = $html->find('ul', 0)->find('li', 0);

   Фильтры атрибутов
       Поддерживает эти операторы в селекторах атрибутов:

Фильтр	Описание
[атрибут]	Соответствует элементам , которые имеют указанный атрибут.
[!атрибут]	Соответствует элементам, у которых нет указанного атрибута.
[атрибут=значение]	Соответствует элементам, имеющим указанный атрибут с определенным значением.
[атрибут!=значение]	Соответствует элементам, не имеющим указанного атрибута, с определенным значением.
[атрибут^=значение]	Соответствует элементам, имеющим указанный атрибут, и начинается с определенного значения
[атрибут$=значение]	Соответствует элементам, имеющим указанный атрибут, и заканчивается определенным значением.
[атрибут*=значение]	Соответствует элементам с указанным атрибутом и содержит определенное значение.

Текст и комментарии

// Находим все текстовые блоки
$es = $html->find('text');

// Найдите все блоки комментариев (<! --...-->)
$es = $html->find('comment');

Как получить доступ к атрибутам HTML-элемента

Получить, установить и удалить атрибуты

// Получить атрибут (если атрибут не имеет значения (например, отмечен, выбран ...), он вернет true или false )
$value = $e->href;

// Установить атрибут (если атрибут не имеет значения (например, отмечен, выбран ...), установить его значение как true или false )
$e->href = 'my link';

// Удаляем атрибут, устанавливаем его значение как null!
$e->href = null;

// Определить, существует ли атрибут?
       if(isset($e->href))
               echo 'href exist!';

   Магические атрибуты

// Пример
       $html = str_get_html("<div>foo <b>bar</b></div>");
       $e = $html->find("div", 0);

       echo $e->tag; // Возвращает: " div "
       echo $e->outertext; // Возвращает: " <div> foo <b>bar</b> </div> "
       echo $e->innertext; // Возвращает: " foo <b> bar </b> "
       echo $e->plaintext; // Возвращает: "foo bar "

Имя атрибута	Значение
$e->tag	Чтение или запись имени тега элемента.
$e->outertext	Чтение или запись внешнего HTML-текста элемента.
$e->innertext	Чтение или запись внутреннего HTML-текста элемента.
$e->plaintext	Чтение или запись простого текста элемента.

Примеры

// Извлечь содержимое из HTML
echo $html->plaintext;

// Оборачиваем элемент
$e->outertext = '<div class="wrap">' . $e->outertext . '<div>';

// Удалить элемент, установив его outertext как пустая строка
$e->outertext = '';

// Добавляем элемент
$e->outertext = $e->outertext . '<div>foo<div>';

// Вставить элемент
$e->outertext = '<div>foo<div>' . $e->outertext;

Как пройти по дереву DOM

Примеры

// Пример
echo $html->find("#div1", 0)->children(1)->children(1)->children(2)->id;

// или
       echo $html->getElementById("div1")->childNodes(1)->childNodes(1)->childNodes(2)->getAttribute('id');

   Методы

Вы также можете вызывать методы с преобразованием имен в camelCase ..

Метод		Описание
смешанный	$e->children ( [int $index] )	Возвращает N-й дочерний объект, если установлен индекс , в противном случае возвращает массив потомков
элемент	$e->parent ()	Возвращает родителя элемента.
элемент	$e->first_child ()	Возвращает первый дочерний элемент элемента или null, если не найден.
элемент	$e->last_child ()	Возвращает последний дочерний элемент элемента или null, если не найден.
элемент	$e->next_sibling ()	Возвращает следующего родственного элемента или null, если не найден.
элемент	$e->prev_sibling ()	Возвращает предыдущий родственный элемент или null, если не найден.

Как сбросить содержимое DOM-объекта

Быстрый способ

// Сохраняет внутреннее дерево DOM обратно в строку
$str = $html;

// Распечатать!
       echo $html;

   Объектно-ориентированный способ

// Сохраняет внутреннее дерево DOM обратно в строку
$str = $html->save();

// Сохраняет внутреннее дерево DOM обратно в файл
$html->save('result.htm');

Как настроить поведение парсинга

Функция обратного вызова

// Записываем функцию с параметром " $ element "
       function my_callback($element) {
               // Скрываем все теги <b>
               if ($element->tag=='b')
                       $element->outertext = '';
       }

// Регистрируем функцию обратного вызова с ее именем
$html->set_callback('my_callback');

// Функция обратного вызова будет вызвана при выгрузке
echo $html;