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"）;