使用简单的 HTML DOM 解析器在PHP抓取网页

在 PHP 中抓取网页通常需要使用到解析工具，其中一个非常好用的工具就是 HTML DOM 解析器。该解析器可以通过 PHP 对 HTML 文档进行解析，找到其中的元素、属性和文本节点，实现数据的提取和操作，非常方便。

安装 HTML DOM 解析器

在开始之前，需要先安装 HTML DOM 解析器。可以通过 Composer 进行安装，也可以手动下载源码文件并引入。

通过 Composer 安装

可以在项目根目录下通过 Composer 安装 HTML DOM 解析器：

composer require sunra/php-simple-html-dom-parser

安装完成后，可以通过以下方式引入：

require 'vendor/autoload.php';

手动下载源码

也可以手动下载 HTML DOM 解析器的源码，然后引入：

require 'path_to/simple_html_dom.php';

解析 HTML 文档

HTML DOM 解析器解析 HTML 文档非常简单，只需要使用 str_get_html() 函数即可。该函数接受一个 HTML 字符串，返回一个解析后的对象。

下面是一个示例程序，该程序抓取了某新闻网站的首页，并提取了其中的新闻标题和链接：

<?php
require 'vendor/autoload.php'; // 或者手动引入 simple_html_dom.php

$html_str = file_get_contents('https://news.sina.com.cn'); // 获取网页内容
$html = str_get_html($html_str); // 解析 HTML 文档

foreach ($html->find('a') as $a) { // 查找所有链接
    if ($a->class == 'news-title') { // 判断是否为新闻标题链接
        $title = $a->innertext; // 获取标题文本
        $link = $a->href; // 获取链接
        echo "- [$title]($link)\n"; // 输出标题和链接
    }
}

解析器会将 HTML 文档转换为一个元素树，可以通过 find() 方法查询其中的元素。该方法接受一个 CSS 选择器，返回一个包含所有符合条件的元素的数组。在上面的示例中，我们使用 find() 方法查找了所有链接，然后筛选出了新闻标题链接，并获取了它们的文本和链接地址。

总结

通过 HTML DOM 解析器，我们可以方便地解析 HTML 文档，并提取其中的元素、属性和文本节点。在实际开发中，可以将其应用于各种数据抓取和处理的场景中。