萬盛學電腦網

您现在的位置: 萬盛學電腦網 >> 程式設計 >  >> 網路程式設計 >> PHP 程式設計

CodeIgniter 整合 Simple HTML DOM Parser 解析網頁實作

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。

整合步驟

  1. 下載庫:Simple HTML DOM Parser
  2. 將 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。
  3. 放入 application/libraries/ 目錄。
  4. 在控制器中載入:$this->load->library('Simple_html_dom');

控制器使用範例

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
}

常用方法速查

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)

注意事項

  • Simple HTML DOM 為純 PHP 實作,大型文件(>1MB)解析較慢且佔用大量記憶體,建議搭配 DOMDocument + DOMXPath 或 Masterminds/HTML5-PHP。
  • 記得呼叫 $html->clear() 避免記憶體洩漏。
  • CI 3/4 建議使用 Composer 套件 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。

copyright © 萬盛學電腦網 all rights reserved