PHP Simple HTML DOM Parser

Curs Php-mysql

PHP Simple HTML DOM este un interpretor HTML DOM scris in PHP5+. Aceasta clasa permite manipularea elementelor HTML intr-un mod foaarte usor, gasire tag-uri din codul HTML cu selectori precum in jQuery.
- PHP Simple HTML DOM 1.5.

• Exemple

API Reference

Helper functions:

• str_get_html ( sir $content )   -   Creaza obiect DOM dintr-un sir.
• file_get_html ( sir $filename )   -   Creaza obiect DOM dintr-un fisier sau URL.

Metode & proprietati DOM:

• __construct ( [sir $filename] )   -   Constructor, seteaza numele fisierului ca parametru, va incarca automat continutul din fisier sau url.
• plaintext   -   Returneaza continutul extras din HTML.
• clear ()   -   Elibereaza memoria.
• load ( sir $content )   -   Incarca continutul dintr-un sir.
• save ( [sir $filename] )   -   Pune structura DOM intr-un sir. Daca $filename e setat, sirul rezultat va fi salvat in fisier.
• load_file ( sir $filename )   -   Incarca continutul dintr-un fisier sau adresa URL.
• set_callback ( sir $function_name )   -   Seteaza o functie care sa fie apelata.
• find ( sir $selector [, int $index] )   -   Gaseste elementele dupa selectorul CSS. Returneaza al N-lea element daca index e setat, altfel returneaza un array cu obiecte.

Metode & proprietati pt. Element:

• [atribut]   -   Citeste sau scrie valoarea atributului.
• tag   -   Citeste sau scrie tag-ul /elementul.
• outertext   -   Citeste sau scrie textul exterior elementului HTML.
• innertext   -   Citeste sau scrie textul interior elementului HTML.
• plaintext   -   Citeste sau scrie textul elementului.
• find ( sir $selector [, int $index] )   -   Gaseste elementul HTML. Returneaza al N-lea element daca index e setat, altfel, returneaza array cu obiecte.

Traversare DOM:

• $e->children ( [int $index] )   -   Returneaza al N-lea copil daca index e setat, altfel returneaza array cu elementele copii.
• $e->parent ()   -   Returneaza parintele elementului.
• $e->first_child ()   -   Returneaza primul copil al elementului, sau null daca nu e gasit.
• $e->last_child ()   -   Returneaza ultimul copil al elementului, sau null daca nu e gasit.
• $e->next_sibling ()   -   Returneaza urmatorul frate al elementului, sau null daca nu e gasit.
• $e->prev_sibling ()   -   Returneaza fratele anterior, sau null daca nu e gasit.

Se pot folosi de asemenea metode cu STANDARDUL W3C.

• $e->getAllAttributes ()   -   $e->attr
• $e->getAttribute ( $name )   -   $e->attribute
• $e->setAttribute ( $name, $value )   -   $value = $e->attribute
• $e->hasAttribute ( $name )   -   isset($e->attribute)
• $e->removeAttribute ( $name )   -   $e->attribute = null
• $e->getElementById ( $id )   -   $e->find ( "#$id", 0 )
• $e->getElementsById ( $id [,$index] )   -   $e->find ( "#$id" [, int $index] )
• $e->getElementByTagName ($name )   -   $e->find ( $name, 0 )
• $e->getElementsByTagName ( $name [, $index] )   -   $e->find ( $name [, int $index] )
• $e->parentNode ()   -   $e->parent ()
• $e->childNodes ( [$index] )   -   $e->children ( [int $index] )
• $e->firstChild ()   -   $e->first_child ()
• $e->lastChild ()   -   $e->last_child ()
• $e->nextSibling ()   -   $e->next_sibling ()
• $e->previousSibling ()   -   $e->prev_sibling ()

Exemple:
1. Gaseste toate link-urile si textul lor dintr-o pagina de la o adresa URL:

<?php
include('simplehtmldom/simple_html_dom.php');

// Creaza DOM cu continutul dintr-un fisier, sau URL
$html = file_get_html('http://www.coursesweb/');

// Gaseste toate link-urile si textul lor
foreach($html->find('a') as $elm) {
 echo $elm->href .' ('.$elm->plaintext. ')<br/>';
}
?>

Rezultat:
2. Gaseste toate imaginile cu o anumita valoare la "class", dintr-un continut HTML definit in scriptul PHP:

<?php
include('simplehtmldom/simple_html_dom.php');

// Creaza obiect DOM dintr-un sir
$html = str_get_html('<div><img src="image1.jpg" alt="Img1" class="cls" /><br/>
 <img src="image2.png" alt="Img2" /></div><p>Text oarecare</p>
 <img src="image3.gif" alt="Img3" class="cls" />');

// Gaseste toate imaginile cu class="cls"
foreach($html->find('img.cls') as $elm) {
 echo $elm->src. '<br/>';
}
?>

Rezultat:
3. Obtine id-ul primului LI dintr-o lista UL, ii schimba textul si returneaza noul continut.

<?php
include('simplehtmldom/simple_html_dom.php');

// Creaza obiect DOM dintr-un sir
$html = str_get_html('<nav><ul>
 <li id="idli1" class="cls">List 1</li><li>List 2</li><li class="cls">List 3</li>
 </ul></nav>');

// Obtine id-ul primului LI dintr-o lista UL, ii schimba continutul
$idli = $html->find('li', 0)->id;
if($idli) echo 'First LI id: '. $idli;
$html->find('ul li', 0)->innertext = '<b>marplo.net/</b>';
echo $html;
?>

Rezulta acest cod HTML:
4. Utilizarea unei functii care sa fie apelata cu elementele din DOM (aici schimba valoarea atributului class).

<?php
include('simplehtmldom/simple_html_dom.php');

// Creaza obiect DOM dintr-un HTML file
$html = file_get_html('test.htm');

// Defineste o functie cu parametru "$elm"
function changeCls($elm) {
 // daca e LI cu class="cls", schimba valoarea de la "class"
 if ($elm->tag=='li' && $elm->class=='cls') {
 $elm->setAttribute('class', 'class_2');
 }
} 
$html->set_callback('changeCls');
echo $html;
?>

- In arhiva cu clasa "PHP Simple HTML DOM" veti gasi mai multe exemple si documentatie (in directorul accesat de pe server).
• PHP Simple HTML DOM Web Site.

<ul>
 <li>http://coursesweb.net/html/</li>
 <li>http://www.marplo.net/html/</li>
</ul>

.some_class {
  display: list-item;
}

var obj = {
 "courses": ["php", "javascript", "ajax"]
};
var jsonstr = JSON.stringify(obj);
alert(jsonstr);    // {"courses":["php","javascript","ajax"]}

$strhtml = '<body><div id="dv1">CoursesWeb.net</div></body>';
$dochtml = new DOMDocument();
$dochtml->loadHTML($strhtml);
$elm = $dochtml->getElementById("dv1");
echo $elm->nodeValue;    // CoursesWeb.net

I`m living here.
- Traiesc /Locuiesc aici.

Estoy viviendo aquí.
- Traiesc /Locuiesc aici.