php使用自帶dom擴展進行元素匹配的原理解析

更新時間：2020年05月29日 10:11:50 作者：夢回故里

這篇文章主要介紹了php使用自帶dom擴展進行元素匹配的原理解析,本文通過實例代碼給大家介紹的非常詳細，對大家的學習或工作具有一定的參考借鑒價值，需要的朋友可以參考下

DOMDocument

php提供了非常好用的解析html和xml文檔的擴展庫DOM，使用這個庫可以非常高效的進行html和xml文檔的解析，它的原理就是通過尋找首尾匹配對來進行文檔的解析。

從上面的分析可以看出，如果首位不匹配，可能就會導致一些錯誤的出現(xiàn)，因此，這個時候我們需要設置

libxml_use_internal_errors(true);

來進行錯誤的屏蔽，讓它可以解析整個文檔。

解析html基本用法

$dom = new \DOMDocument;
$content = htmlspecialchars_decode($content);
libxml_use_internal_errors(true);
$content = mb_convert_encoding($content, 'HTML-ENTITIES', 'UTF-8');
$dom->loadHTML($content);

$content是要解析的html字符串，其中我們對它進行了轉義，因為可能含有實體集，然后我們有進行了編碼的轉換，因為可能文檔不是utf-8格式的，會導致日文，法文等文字亂碼。

獲取元素

$a = $dom->getElementsByTagName('a');
$p = $dom->getElementsByTagName('p');

遍歷元素

$elements = $dom->getElementsByTagName('a');
foreach ($elements as $element) {
  $element->textContent = '替換成其它的文字';
}

通過上面的循環(huán)，可以將全部a標簽的文字替換掉。

元素嵌套

有些時候，html會嵌套很多層，比如

<div>
<p>
<a href="xxx" rel="external nofollow" >我是文字</a>
</p>
<p>
內容替換
</p>
</div>

如果我們想要對p標簽文字進行替換的化，并且不想要替換含有子元素的內容，就是這里的a標簽不想替換，下面的語句不能夠解決我們的問題：

$elements = $dom->getElementsByTagName('p');
foreach ($elements as $element) {
  if($element->hasChildNodes()){
    $element->textContent = 'p標簽內容替換';
  }
}

上面的代會將a標簽的內容也替換掉，這不是我們想要的結果，因為hasChildNodes()這個函數(shù)表示的含有內容，無論它是標簽還是文字，它都是返回true的，除非它是空標簽，例如

它才會返回false.

所以我們需要自己封裝一個函數(shù)進行檢查是否含有嵌套標簽。

function hasChild($element, $tags)
{
  foreach($tags as $v){
  $elements = $element->getElementsByTagName($v);

  if($elements->length){
  return true;
  }

  }
  return false;
}
$tags = array('title','h1','h2','h3','h4','h5','a','p','dd','img');  

$elements = $dom->getElementsByTagName('p');
foreach ($elements as $element) {
  if(hasChild($element, $tags)){
    $element->textContent = 'p標簽內容替換';
  }
}

通過我們自己封裝的函數(shù)，就可以判斷出$dom的node節(jié)點是否含有子標簽。

總結

到此這篇關于php使用自帶dom擴展進行元素匹配的文章就介紹到這了,更多相關php元素匹配內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: