持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第11天，点击查看活动详情
首先：simple_html_dom下载地址：
这是一个PHP解析html的一个库。
这玩意还是很有用的，比如我们在使用PHP做爬虫的时候，需要解析html中的内容等。
他的强大之处不仅仅只是帮助我们验证html文档；更能解析不符合W3C标准的html文档。
关于如何引入第三方类库，请移步《laravel5.8（十）引入第三方类库》laravel8中的设置方法也大同小异。
一：加载 html
有三种方式调用这个类：
1. 从url中加载html文档
2. 从字符串中加载html文档
3. 从文件中加载html文档
<?php
// 新建一个Dom实例
$html = new simple_html_dom();
// 从url中加载
$html->load_file('http://guanchao.site');
// 从字符串中加载
$html->load('<html><body>从字符串中加载html文档演示</body></html>');
//从文件中加载
$html->load_file('path/file/test.html');
?>
加载标签的时候，我这里遇到了一个小问题，\n以及 在使用load加载的时候，会被替换成空值，这个体验不太好。
那么如何避免这个问题呢？
我们查看一下load方法的源码：
// load html from string
function load($str, $lowercase=true, $stripRN=true, $defaultBRText=DEFAULT_BR_TEXT, $defaultSpanText=DEFAULT_SPAN_TEXT)
{
global $debugObject;
// prepare
$this->prepare($str, $lowercase, $stripRN, $defaultBRText, $defaultSpanText);
// strip out comments
$this->remove_noise("'<!--(.*?)-->'is");
// strip out cdata
$this->remove_noise("'<![CDATA[(.*?)]]>'is", true);
// Per sourceforge http://sourceforge.net/tracker/?func=detail&aid=2949097&group_id=218559&atid=1044037
// Script tags removal now preceeds style tag removal.
// strip out <script> tags
$this->remove_noise("'<\s*script[^>]*[^/]>(.*?)<\s*/\s*script\s*>'is");
$this->remove_noise("'<\s*script\s*>(.*?)<\s*/\s*script\s*>'is");
// strip out <style> tags
$this->remove_noise("'<\s*style[^>]*[^/]>(.*?)<\s*/\s*style\s*>'is");
$this->remove_noise("'<\s*style\s*>(.*?)<\s*/\s*style\s*>'is");
// strip out preformatted tags
$this->remove_noise("'<\s*(?:code)[^>]*>(.*?)<\s*/\s*(?:code)\s*>'is");
// strip out server side scripts
$this->remove_noise("'(<?)(.*?)(?>)'s", true);
// strip smarty scripts
$this->remove_noise("'({\w)(.*?)(})'s", true);
// parsing
while ($this->parse());
// end
$this->root->_[HDOM_INFO_END] = $this->cursor;
$this->parse_charset();
// make load function chainable
return $this;
}
参数中的$stripRN 默认是true，我们在调用load函数的时候，给其传false，我们的html标签中的\n以及 就不会替换成空。
如果从字符串加载html文档，需要先从网络上下载。建议使用CURL来抓取html文档并加载DOM中。
PHP Simple HTML DOM Parser提供了3种方式来创建DOM对象 :
<?php
// Create a DOM object from a string
$html = str_get_html('<html><body>Hello!</body></html>');
// Create a DOM object from a URL
$html = file_get_html('http://www.google.com/');
// Create a DOM object from a HTML file
$html = file_get_html('test.htm');
?>
二：查找标签
可以使用find函数来查找html文档中的元素。返回的结果是一个包含了对象的数组。我们使用HTML DOM解析类中的函数来访问这些对象，下面给出几个示例：
<?php
//查找html文档中的超链接元素
$a = $html->find('a');
//查找文档中第(N)个超链接，如果没有找到则返回空数组.
$a = $html->find('a', 0);
// 查找id为main的div元素
$main = $html->find('div[id=main]',0);
// 查找所有包含有id属性的div元素
$divs = $html->find('div[id]');
// 查找所有包含有id属性的元素
$divs = $html->find('[id]');
?>
还可以使用类似jQuery的选择器来查找定位元素：
<?php
// 查找id='#container'的元素
$ret = $html->find('#container');
// 找到所有class=foo的元素
$ret = $html->find('.foo');
// 查找多个html标签
$ret = $html->find('a, img');
// 还可以这样用
$ret = $html->find('a[title], img[title]');
?>
解析器支持对子元素的查找
<?php
// 查找 ul列表中所有的li项
$ret = $html->find('ul li');
//查找 ul 列表指定class=selected的li项
$ret = $html->find('ul li.selected');
?>
如果你觉得这样用起来麻烦，使用内置函数可以轻松定位元素的父元素、子元素与相邻元素
<?php
// 返回父元素
$e->parent;
// 返回子元素数组
$e->children;
// 通过索引号返回指定子元素
$e->children(0);
// 返回第一个资源速
$e->first_child ();
// 返回最后一个子元素
$e->last _child ();
// 返回上一个相邻元素
$e->prev_sibling ();
//返回下一个相邻元素
$e->next_sibling ();
?>
关于标签查找，以上大概就差不多够用了。
我这里放一下我使用的示例：获取a标签中的href属性
$html = new simple_html_dom();
$res = $html->load($content);
$mp4Arr = array();
//获取 [body a] a标签的href属性
$aHref = $res->find('a');
foreach ($aHref as $key => $item)
{
if (isset($item->attr))
{
if (isset($item->attr['href']) == true)
{
$mp4Arr[] = $item->attr['href'];
}
}
}
return $mp4Arr;
// $mp4Arr 是一个一维数组，里边是html中每个a标签的href
// $content 是一段html
三：修改标签
修改标签主要是使用setAtribute方法，示例如下：
//给页面中的a标签添加类名、设置样式
$html->find('a',0)->setAttribute('class','bar');
$html->find('a',0)->setAttribute('style','color:red');
//打印指定标签内容
foreach($html->find('div#gbar') as $e) echo $e->innertext . '<br>';
//向指定标签中添加内容
$aaa = [1,2,3];
$tr = '';
foreach($aaa as $color)
$tr.="<td>".$color."</td>";
$html->find('tr',3)->innertext = $tr;
四：输出内容
<?php
$html = new simple_html_dom();
// 获取文章中所有的img标签(查看源码参数)
$articleData = $html->load($detail->content, true,false);
$articleData->tag; // 获取标签
$articleData->outertext; //获取外文本
$articleData->innertext; // 获取内文本
$articleData->plaintext; // 获取纯文本
// 具体输出长什么样子，你可以自己尝试一下。
//保存修改到指定文件（前提是文件需要存在）
$html->save('demo.html');
?>
替换标签+输出内容示例
$html = new simple_html_dom();
// 获取文章中所有的img标签(查看源码参数)
$articleData = $html->load($detail->content, true,false);
//获取 [body img] img标签的src属性
$imgSrc = $articleData->find('img');
foreach ($imgSrc as $key => $item)
{
// 设置vue点击方法
$articleData->find('img', $key)->setAttribute('onclick', "imageBoost('". $item->attr['src']."')");
// 设置class
$articleData->find('img', $key)->setAttribute('class', 'cursor');
// 设置宽度
$articleData->find('img', $key)->setAttribute('style', 'width:100%');
// 读取图片src属性值
/*if (isset($item->attr))
{
if (isset($item->attr['src']) == true)
{
$imgList[] = $item->attr['src'];
}
}//*/
} //*/
// 将修改之后的html重新赋值回去
$detail->content = $articleData->outertext;
五：防止内存溢出：
// 使用结束清除对象
$html->clear();
以上大概就是基本的simple_html_dom使用。
有好的建议，请在下方输入你的评论。
欢迎访问个人博客 guanchao.site
欢迎访问我的小程序：打开微信->发现->小程序->搜索“时间里的”
