如何使用 PHP 和 XPath 解析 HTML 內容

隨著 Web 技術不斷發展，Web 頁面的內容也越來越複雜。我們常常需要從 HTML 頁面中抽取資訊以進行進一步的處理和分析，如爬蟲、資料探勘等。本文將介紹如何使用 PHP 和 XPath 解析 HTML 內容，方便快速地取得我們需要的資訊。

1. PHP Simple HTML DOM Parser

PHP Simple HTML DOM Parser 是一個開源的PHP 類別庫，它可以將HTML 頁面解析成DOM 樹狀結構，然後可以使用類似jQuery 的選擇器語法來尋找和操作DOM 元素。該程式庫提供了內建的選擇器方法，以及 find() 和 xpath() 兩個用於查找節點的方法，其中後者需要安裝並啟用 DOM 擴充。

下面是使用PHP Simple HTML DOM Parser 尋找標題和連結的範例：

<?php
require_once('simple_html_dom.php');

$html = file_get_html('http://example.com/');

// 查找所有的标题和链接
foreach ($html->find('h2') as $header) {
    echo $header->plaintext . '<br>';
    echo $header->next_sibling()->href . '<br>';
}
?>

2. 使用DOMDocument 和DOMXPath

除了PHP Simple HTML DOM Parser，PHP 還提供了內建的DOMDocument 和DOMXPath 類別庫，它們可以對HTML 頁面進行解析和查找。 DOMDocument 是一個類似 SimpleXML 的類，它可以將一個 XML 或 HTML 文件解析成一個 DOM 樹結構，而 DOMXPath 則提供了一個 xpath() 方法，可以使用 XPath 來尋找和選擇節點。

下面是一個使用DOMDocument 和DOMXPath 尋找標題和連結的範例：

<?php
$html = file_get_contents('http://example.com/');

// 创建 DOMDocument 对象并加载 HTML
$dom = new DOMDocument();
@$dom->loadHTML($html);

// 创建 DOMXPath 对象并使用 xpath 查找节点
$xpath = new DOMXPath($dom);
foreach ($xpath->query('//h2') as $node) {
    // 查找标题
    echo $node->nodeValue . '<br>';

    // 查找链接
    $link = $xpath->query('./following-sibling::a', $node);
    if ($link->length > 0) {
        echo $link->item(0)->getAttribute('href') . '<br>';
    }
}
?>

在上面的範例中，我們使用query() 方法來尋找所有的h2 標題節點，並使用XPath表達式取得它們的文字內容和後面的第一個a 節點的href 屬性值。註：DOMXPath 中的表達式必須遵循 W3C XPath 規範。

3. 總結

本文介紹如何使用 PHP 和 XPath 解析 HTML 頁面內容。 PHP Simple HTML DOM Parser 可以方便地使用類似 jQuery 的選擇器語法來尋找和操作 DOM 元素，但對於大型 HTML 頁面效能比較低。而 DOMDocument 和 DOMXPath 則提供了更靈活和高效的解析和尋找方式，但需要一定的學習成本。根據實際需求和具體情況選擇合適的解析方式是很重要的。

以上是如何使用 PHP 和 XPath 解析 HTML 內容的詳細內容。更多資訊請關注PHP中文網其他相關文章！