一个获取HTML dom信息的PHP扩展
phpize
./configure
make && make install
echo 'pquery.so' > /path/php.ini
service php-fpm restart目前，测试了 PHP7.1 PHP7.2，PHP5还未作测试，请谨慎使用。
1、 void __construct( string $html);
在实例化 pquery 时自动调用， $html 可为空;2、 array getTitle( void);
获取 HTML 的 title标签 及其标签内文本内容;
参数为空;
返回数组，有两个键，一个键名为 count ： 匹配的次数, int 类型，这个数字不一定等于 data 数组元素和;
另一个键名为 data : 其值类型是数组，为匹配的结果;3、 array matchByTag( string $tag[, int $flag [, string $other_str]]);
匹配闭合 HTML 标签;
参数： $tag : HTML 闭合标签
$flag : 三个常量之一;
PQUERY_FLAG_NMC : 不匹配标签内容，默认
PQUERY_FLAG_MC : 匹配标签内容
PQUERY_FLAG_MHS : 匹配标签内的 href 或 src 属性值
$other_str : 选填，根据自己的需要可以传入标志性字符串，或者正则表达式
返回数组，结构同上。4、 array matchByA([ int $flag [, string $other_str]]);
匹配 HTML A 标签;
参数，返回结果 同上;5、 array getMetaByName( string $name);
获取 HTML meta标签，根据 name属性值进行匹配;
参数： $name : meta标签中 name属性值
返回结果同上;6、 object find( string $str);
根据 HTML 属性及属性值 进行查找;
参数： $str : HTML的属性及属性值组成的字符串;
比如： $str = 'id="id-name"';
返回 pquery 对象;7、 object setHtml( string $html);
给 pquery 对象设置查找的 HTML 字符串;
参数： $html : HTML字符串
返回 pquery 对象;8、 string getHtml( void);
获取 HTML 字符串;9、 string getTextContent( void);
获取文本内容;10、 object getNode( void);
获取node对象;11、 string getAttribute( string $str);
获取属性值;
参数： $str ： 属性字符串12、 object getItem( int $index);
获取某一个dom节点的item，当调用了 select() 之后，此方法返回 $index 处 item 的 pquery 对象，否则返回 NULL13、 int select( string $str);
同 find()，只是这个返回匹配的总个数;
返回的结果大于等于0 ，其中 0，表示没有匹配14、 int getElementsByTagName( string $name);
根据 HTML 标签名来获取;
获取其中某一个dom需调用 getItem();
返回的结果大于等于0 ，其中 0，表示没有匹配demo.html
<html>
<head>
<title>pquery demo</title>
<meta name="description" content="这是 pquery demo页面" />
<meta name="keywords" content="php扩展、pquery" />
</head>
<body id="body">
<div class="wrap">
<ul>
<li> <a href="demo.com/1.html" class="a">1.html</a></li>
<li> <a href="demo.com/2.html">2.html</a></li>
<li> <a href="demo.com/3.html">3.html</a></li>
<li> <a href="demo.com/4.html">4.html</a></li>
<li> <a href="demo.com/5.html">5.html</a></li>
</ul>
</div>
<div class="wrap">
<video src="demo.com/1.mp4" loop preload="auto">您的浏览器不支持播放该视频</video>
</div>
<div class="wrap">
<h1 class="h1-t">H1标题</h1>
<h2 class="h2-t">H2标题</h2>
<h3 class="h3-t">H3标题</h3>
<h4 class="h4-t">H4标题</h4>
<h5 class="h5-t">H5标题</h5>
<h6 class="h6-t">H6标题</h6>
</div>
<div class="one">
<p>这是 one</p>
<div class="two">
<p>这是 two</p>
<div class="three">
<p>这是 three</p>
</div>
</div>
</div>
</body>
</html>php代码
<?php
$html = file_get_contents("demo.html");
$pquery = new pquery($html);
// 或者
// $pquery = new pquery();
// $pquery->setHtml($html);
//获取 title
$title = $pquery->getTitle();
var_dump($title);
/*
* 输出
array(2) {
["count"]=>
int(1)
["data"]=>
array(2) {
[0]=>
string(26) "<title>pquery demo</title>"
[1]=>
string(11) "pquery demo"
}
}
*/
//获取 a 标签
$tags = $pquery->matchByTag("a");
var_dump($tags);
/*
* 输出
array(2) {
["count"]=>
int(5)
["data"]=>
array(1) {
[0]=>
array(5) {
[0]=>
string(46) "<a href="demo.com/1.html" class="a">1.html</a>"
[1]=>
string(36) "<a href="demo.com/2.html">2.html</a>"
[2]=>
string(36) "<a href="demo.com/3.html">3.html</a>"
[3]=>
string(36) "<a href="demo.com/4.html">4.html</a>"
[4]=>
string(36) "<a href="demo.com/5.html">5.html</a>"
}
}
}
*/
//获取 a 标签及其内容
$tags2 = $pquery->matchByTag("a", PQUERY_FLAG_MC);
var_dump($tags2);
/*
* 输出
array(2) {
["count"]=>
int(5)
["data"]=>
array(2) {
[0]=>
array(5) {
[0]=>
string(46) "<a href="demo.com/1.html" class="a">1.html</a>"
[1]=>
string(36) "<a href="demo.com/2.html">2.html</a>"
[2]=>
string(36) "<a href="demo.com/3.html">3.html</a>"
[3]=>
string(36) "<a href="demo.com/4.html">4.html</a>"
[4]=>
string(36) "<a href="demo.com/5.html">5.html</a>"
}
[1]=>
array(5) {
[0]=>
string(6) "1.html"
[1]=>
string(6) "2.html"
[2]=>
string(6) "3.html"
[3]=>
string(6) "4.html"
[4]=>
string(6) "5.html"
}
}
}
*/
//获取特定的 a 标签及其内容
$tags3 = $pquery->matchByTag("a", PQUERY_FLAG_MC, 'class="a"');
var_dump($tags3);
/*
* 输出
array(2) {
["count"]=>
int(1)
["data"]=>
array(2) {
[0]=>
array(1) {
[0]=>
string(46) "<a href="demo.com/1.html" class="a">1.html</a>"
}
[1]=>
array(1) {
[0]=>
string(6) "1.html"
}
}
}
*/
//获取 a 标签及其内容与src属性值
$tags4 = $pquery->matchByTag("a", PQUERY_FLAG_MHS);
var_dump($tags4);
/*
* 输出
array(2) {
["count"]=>
int(5)
["data"]=>
array(4) {
[0]=>
array(5) {
[0]=>
string(46) "<a href="demo.com/1.html" class="a">1.html</a>"
[1]=>
string(36) "<a href="demo.com/2.html">2.html</a>"
[2]=>
string(36) "<a href="demo.com/3.html">3.html</a>"
[3]=>
string(36) "<a href="demo.com/4.html">4.html</a>"
[4]=>
string(36) "<a href="demo.com/5.html">5.html</a>"
}
[1]=>
array(5) {
[0]=>
string(4) "href"
[1]=>
string(4) "href"
[2]=>
string(4) "href"
[3]=>
string(4) "href"
[4]=>
string(4) "href"
}
[2]=>
array(5) {
[0]=>
string(15) "demo.com/1.html"
[1]=>
string(15) "demo.com/2.html"
[2]=>
string(15) "demo.com/3.html"
[3]=>
string(15) "demo.com/4.html"
[4]=>
string(15) "demo.com/5.html"
}
[3]=>
array(5) {
[0]=>
string(6) "1.html"
[1]=>
string(6) "2.html"
[2]=>
string(6) "3.html"
[3]=>
string(6) "4.html"
[4]=>
string(6) "5.html"
}
}
}
*/
//获取 meta 标签
$des = $pquery->getMetaByName("description");
var_dump($des);
/*
* 输出
array(2) {
["count"]=>
int(1)
["data"]=>
array(2) {
[0]=>
string(62) "<meta name="description" content="这是 pquery demo页面" />"
[1]=>
string(24) "这是 pquery demo页面"
}
}
*/
//使用 find() 查找元素
$find = $pquery->find("id='body'"); // $find 是一个 pquery 对象
var_dump($find->getHtml()); // 输出 id="body" div块的 HTML字符串
$find2 = $find->find("class='wrap'");
var_dump($find2->getHtml());//这个只返回第一个 class="wrap" div块 HTML 字符串
//使用 select() 查找元素
$select = $find->select("class='wrap'");
var_dump($select); //输出 int(3)
for($i = 0; $i < $select; $i++){
$item = $find->getItem($i);
var_dump($item->getHtml()); //输出第 $i + 1 个 class="wrap" div块 HTML 字符串
$video = $item->find("preload='auto'");
if(!empty($video)){
var_dump($video->getHtml()); //输出 video标签的HTML字符串
if (!empty($video->getNode())){
var_dump($video->getAttribute("src")); //获取 video 标签内的src属性值
var_dump($video->getTextContent()); //获取 video 标签的文本内容
}
}
$tags = $item->getElementsByTagName("h1");
if($tags > 0){
for($j = 0; $j < $tags; $j++){
var_dump($item->getItem($j)->getHtml());
}
}
}
//链式调用
$text = trim($pquery->find("class='one'")->find("class='two'")->find("class='three'")->getTextContent());
var_dump($text); //输出 "这是 three"