随着 web 技术不断发展，web 页面的内容也越来越复杂。我们常常需要从 html 页面中抽取信息以进行进一步的处理和分析，如爬虫、数据挖掘等。本文将介绍如何使用 php 和 xpath 解析 html 内容，方便快捷地获取我们需要的信息。
- PHP Simple HTML DOM Parser
PHP Simple HTML DOM Parser 是一个开源的 PHP 类库，它可以将 HTML 页面解析成 DOM 树结构，然后可以使用类似于 jQuery 的选择器语法来查找和操作 DOM 元素。该库提供了内置的选择器方法，以及 find() 和 xpath() 两个用于查找节点的方法，其中后者需要安装并启用 DOM 扩展。
下面是一个使用 PHP Simple HTML DOM Parser 查找标题和链接的例子：
<?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>';
}
?>- 使用 DOMDocument 和 DOMXPath
除了 PHP Simple HTML DOM Parser，PHP 还提供了内置的 DOMDocument 和 DOMXPath 类库，它们可以对 HTML 页面进行解析和查找。DOMDocument 是一个类似于 SimpleXML 的类，它可以将一个 XML 或 HTML 文档解析成一个 DOM 树结构，而 DOMXPath 则提供了一个 xpath() 方法，可以使用 XPath 查找和选择节点。
下面是一个使用 DOMDocument 和 DOMXPath 查找标题和链接的例子：
JTBC CMS(5.0) 是一款基于PHP和MySQL的内容管理系统原生全栈开发框架，开源协议为AGPLv3，没有任何附加条款。系统可以通过命令行一键安装，源码方面不基于任何第三方框架，不使用任何脚手架，仅依赖一些常见的第三方类库如图表组件等，您只需要了解最基本的前端知识就能很敏捷的进行二次开发，同时我们对于常见的前端功能做了Web Component方式的封装，即便是您仅了解HTML/CSS也
立即学习“PHP免费学习笔记（深入）”；
<?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>';
}
}
?>在上面的例子中，我们使用 query() 方法来查找所有的 h2 标题节点，并使用 XPath 表达式获取它们的文本内容和后面的第一个 a 节点的 href 属性值。注：DOMXPath 中的表达式必须遵循 W3C XPath 规范。
- 总结
本文介绍了如何使用 PHP 和 XPath 解析 HTML 页面内容。PHP Simple HTML DOM Parser 可以方便地使用类似于 jQuery 的选择器语法来查找和操作 DOM 元素，但对于大型 HTML 页面性能比较低下。而 DOMDocument 和 DOMXPath 则提供了更为灵活和高效的解析和查找方式，但需要一定的学习成本。根据实际需求和具体情况选择合适的解析方式是很重要的。
