用php解析html的实现代码

　　最近想用php写一个爬虫，就需要解析html，在sourceforge上找到一个项目叫做PHP Simple HTML DOM Parser，它可以以类似jQuery的方式通过css选择器来返回指定的DOM元素，功能十分强大。

　　首先要在程序的开始引入simple_html_dom.php这个文件

复制代码代码如下:

　　include_once('simple_html_dom.php');

　　PHP Simple HTML DOM Parser提供了3种方式来创建DOM对象

复制代码代码如下:

　　// 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');

　　得到DOM对象后就可以进行各种操作了

复制代码代码如下:

　　// Find all anchors, returns a array of element objects

　　$ret = $html->find('a');

　　// Find (N)th anchor, returns element object or null if not found (zero based)

　　$ret = $html->find('a', 0);

　　// Find lastest anchor, returns element object or null if not found (zero based)

　　$ret = $html->find('a', -1);

　　// Find all <div> with the id attribute

　　$ret = $html->find('div[id]');

　　// Find all <div> which attribute id=foo

　　$ret = $html->find('div[id=foo]');

　　这里可以使用各种css选择器，就像在jQuery中进行DOM操作一样，非常方便。此外，还有两个特殊的属性可以得到文本和注释的内容

复制代码代码如下:

　　// Find all text blocks

　　$es = $html->find('text');

// Find all comment () blocks

　　$es = $html->find('comment');

　　当然，还是类似于jQuery，PHP Simple HTML DOM Parser也支持链式操作，以及各种访问DOM元素的简单方法

复制代码代码如下:

　　// Example

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

　　// or

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