CodeIgniter (CI) 專案需抓取並解析外部網頁 HTML 時,可整合知名的 Simple HTML DOM Parser,以 jQuery 風格選擇器輕鬆提取資料。本文說明整合步驟與使用範例。
simple_html_dom.php 更名為 Ci_Simple_html_dom.php(遵循 CI 類別命名慣例),並將類別名稱批量替換為 CI_Simple_html_dom。application/libraries/ 目錄。$this->load->library('Simple_html_dom');public function index() {
$this->load->library('Simple_html_dom');
$html = file_get_html('https://localhost/test.htm'); // 取得遠端或本地 HTML
// 以 CSS 選擇器提取所有連結
foreach ($html->find('a') as $e) {
echo $e->href . '<br>';
}
// 更多選擇器範例
// $html->find('div.content') // class 選擇器
// $html->find('#main') // id 選擇器
// $html->find('ul li') // 後代選擇器
// $html->find('img', 0) // 取第一個匹配元素
// $e->plaintext // 純文字內容
// $e->outertext // 包含標籤本身的 HTML
// $e->innertext // 內部 HTML
}
| 方法/屬性 | 說明 |
|---|---|
file_get_html($url) | 抓取 URL 並建立 DOM 物件 |
str_get_html($str) | 從字串建立 DOM 物件 |
$html->find('selector') | 回傳匹配元素陣列 |
$element->href / src / attr | 取得屬性值 |
$element->plaintext | 取得純文字(去除標籤) |
$element->outertext | 取得完整 HTML(含自身標籤) |
$element->innertext | 取得內部 HTML |
$html->save() | 輸出完整 HTML 字串 |
$html->clear() | 釋放記憶體(大文件解析後必須呼叫) |
DOMDocument + DOMXPath 或 Masterminds/HTML5-PHP。$html->clear() 避免記憶體洩漏。sunra/php-simple-html-dom-parser(Packagist 維護版)而非手動整合舊版原始碼。整合 Simple HTML DOM 能讓 CI 專案快速具備網頁解析能力,適合中小型爬蟲與資料擷取需求。