Query的选择器之强大是有目共睹的,phpQuery 让php也拥有了这样的能力,它就相当于服务端的jQuery。
先来看看官方简介:
phpQuery is a server-side, chainable, CSS3 selector driven Document Object Model (DOM) API based on jQuery JavaScript Library.
Library is written in PHP5 and provides additional Command Line Interface (CLI).
存在的意义
我们有时需要抓取一个网页的内容,但只需要特定部分的信息,通常会用正则来解决,这当然没有问题。正则是一个通用解决方案,但特定情况下,往往有更简单快 捷的方法。比如你想查询一个编程方面的问题,当然可以使用Google,但stackoverflow 作为一个专业的编程问答社区,会提供给你更多,更靠谱的答案。
对于html页面,不应该使用正则的原因主要有3个
1、编写条件表达式比较麻烦
尤其对于新手,看到一堆”不知所云”的字符评凑在一起,有种脑袋都要炸了的感觉。如果要分离的对象没有太明显的特征,正则写起来更是麻烦。
2、效率不高
对于php来说,正则应该是没有办法的办法,能通过字符串函数解决的,就不要劳烦正则了。用正则去处理一个30多k的文件,效率不敢保证。
3、有phpQuery
如果你使用过jQuery,想获取某个特定元素应该是轻而易举的事情,phpQuery让这成为了可能。
浅析phpQuery
phpQuery是基于php5新添加的DOMDocument。而DOMDocument则是专门用来处理html/xml。它提供了强大xpath选 择器及其他很多html/xml操作函数,使得处理html/xml起来非常方便。那为什么不直接使用呢?这个,去看一下官网的函数列表 就知道了,如果对自己的记忆力很有信心, 不妨一试。
html文件test.html:
复制代码 代码如下:
<div class="thumb" id="Thumb-13164-3640" style="position: absolute; left: 0px; top: 0px;"> <a href="/Spiderman-City-Drive"> <img src="/thumb/12/Spiderman-City-Drive.jpg" alt=""> <span class="GameName" id="GameName-13164-3640" style="display: none;">Spiderman City Drive</span> <span class="GameRating" id="GameRating-13164-3640" style="display: none;"> <span style="width: 68.14816px;"></span> </span> </a> </div> <div class="thumb" id="Thumb-13169-5946" style="position: absolute; left: 190px; top: 0px;"> <a href="/Spiderman-City-Raid"> <img src="/thumb/12/Spiderman-City-Raid.jpg" alt=""> <span class="GameName" id="GameName-13169-5946" style="display: none;">Spiderman - City Raid</span> <span class="GameRating" id="GameRating-13169-5946" style="display: none;"> <span style="width: 67.01152px;"></span> </span> </a> </div>
php处理:
复制代码 代码如下:
<?php include('phpQuery-onefile.php'); $filePath = 'test.html'; $fileContent = file_get_contents($filePath); $doc = phpQuery::newDocumentHTML($fileContent); phpQuery::selectDocument($doc); $data = array( 'name' => array(), 'href' => array(), 'img' => array() ); foreach (pq('a') as $t) { $href = $t -> getAttribute('href'); $data['href'][] = $href; } foreach (pq('img') as $img) { $data['img'][] = $domain . $img -> getAttribute('src'); } foreach (pq('.GameName') as $name) { $data['name'][] = $name -> nodeValue; } var_dump($data); ?>
上面的代码中包含了取属性和innerText内容(通过nodeValue取)。
输出:
复制代码 代码如下:
array (size=3) 'name' => array (size=2) 0 => string 'Spiderman City Drive' (length=20) 1 => string 'Spiderman - City Raid' (length=21) 'href' => array (size=2) 0 => string 'http://www.z1988.com/Spiderman-City-Drive' (length=40) 1 => string 'http://www.z1988.com/Spiderman-City-Raid' (length=39) 'img' => array (size=2) 0 => string 'http://www.z1988.com/thumb/12/Spiderman-City-Drive.jpg' (length=53) 1 => string 'http://www.z1988.com/thumb/12/Spiderman-City-Raid.jpg' (length=52)
强大的是pq选择器,语法类似jQuery,很方便。
项目下载地址:http://code.google.com/p/phpquery/
github地址:https://github.com/TobiaszCudnik/phpquery
如果你使用过jQuery,你会发现这一切是如此的相象。
如何快速方便的获取到网页的 title?