php html解析工具，类似与PHP Simple HTML DOM Parser。 由于基于php模块tidy|dom，所以在解析html时的效率比 PHP Simple HTML DOM Parser 快好几倍。 并提供广度优先查询findBreadthFirst()和深度优先查询findDepthFirst() 两种查询方式，可根据自己的情况选择使用。 因为代码实现的问题，在查询全部时深度优先比广度优先快一点。
默认使用dom模块，效率比tidy模块更高
注意：html代码必须是utf-8编码字符，如果不是请转成utf-8
现在支持composer
"require": {"bupt1987/html-parser": "2.0.1"}
加载composer
require 'vendor/autoload.php';
================================================================================
<?php
use HtmlParser\ParserFactory;
require 'vendor/autoload.php';
$html = '<html>
<head>
<meta charset="utf-8">
<title>test</title>
</head>
<body>
<p class="test_class test_class1">p1</p>
<p class="test_class test_class2">p2</p>
<p class="test_class test_class3">p3</p>
<div id="test1">测试1</div>
</body>
</html>';
//也可以 new ParserDom($html) 或者 new ParserTidy($html)
$html_dom = ParserFactory::createParser($html, ParserFactory::TYPE_DOM);
$p_array = $html_dom->findBreadthFirst('p.test_class');
$p1 = $html_dom->findBreadthFirst('p.test_class1',0);
$div = $html_dom->findBreadthFirst('div#test1',0);
foreach ($p_array as $p){
echo $p->getPlainText();
}
echo $div->getPlainText();
echo $p1->getPlainText();
echo $p1->getAttr('class');
?>
// 查找所有a标签
$ret = $html->findBreadthFirst('a');
// 查找a标签的第一个元素
$ret = $html->findBreadthFirst('a', 0);
// 查找a标签的倒数第一个元素
$ret = $html->findBreadthFirst('a', -1);
// 查找所有含有id属性的div标签
$ret = $html->findBreadthFirst('div[id]');
// 查找所有含有id属性为foo的div标签
$ret = $html->findBreadthFirst('div[id=foo]');
// 查找所有id=foo的元素
$ret = $html->findBreadthFirst('#foo');
// 查找所有class=foo的元素
$ret = $html->findBreadthFirst('.foo');
// 查找所有拥有 id属性的元素
$ret = $html->findBreadthFirst('*[id]');
// 查找所有 anchors 和 images标记
$ret = $html->findBreadthFirst('a, img');
// 查找所有有"title"属性的anchors and images
$ret = $html->findBreadthFirst('a[title], img[title]');
// Find all <li> in <ul>
$es = $html->findBreadthFirst('ul li');
// Find Nested <div> tags
$es = $html->findBreadthFirst('div div div');
// Find all <td> in <table> which class=hello
$es = $html->findBreadthFirst('table.hello td');
// Find all td tags with attribite align=center in table tags
$es = $html->findBreadthFirst('table td[align=center]');
// Find all <li> in <ul>
foreach($html->findBreadthFirst('ul') as $ul)
{
foreach($ul->findBreadthFirst('li') as $li)
{
// do something...
}
}
// Find first <li> in first <ul>
$e = $html->findBreadthFirst('ul', 0)->findBreadthFirst('li', 0);
支持属性选择器操作:
过滤 描述
[attribute] 匹配具有指定属性的元素.
[!attribute] 匹配不具有指定属性的元素。
[attribute=value] 匹配具有指定属性值的元素
[attribute!=value] 匹配不具有指定属性值的元素
[attribute^=value] 匹配具有指定属性值开始的元素
[attribute$=value] 匹配具有指定属性值结束的元素
[attribute*=value] 匹配具有指定属性的元素,且该属性包含了一定的值