Chuỗi html php sang dom

Như bạn có thể đã biết, PHP là ngôn ngữ phụ trợ phổ biến hỗ trợ nhiều CMS phổ biến, bao gồm cả WordPress. Nếu bạn đang bước vào phát triển WordPress hoặc PHP, bạn sẽ thấy bài viết này hữu ích

Bạn có thể đã biết cách phân tích cú pháp HTML bằng Javascript hoặc JQuery nếu bạn đã từng xử lý thao tác DOM (Mô hình đối tượng tài liệu) trên giao diện người dùng

Có liên quan. Bạn có nên học JQuery vào năm 2020?

Vì Javascript chạy ở phía máy khách nên nó có thể tương tác với DOM của trình duyệt

Nhưng nếu chúng ta muốn xử lý dữ liệu HTML trên máy chủ thì sao?

Xem video

Bằng cách phát video này, bạn đồng ý với Điều khoản của YouTube

Phân tích cú pháp là gì & Công dụng của nó là gì?

Phân tích cú pháp (trong trường hợp này) là quá trình trích xuất hoặc sửa đổi thông tin hữu ích từ chuỗi HTML hoặc XML. Trình phân tích cú pháp cung cấp cho chúng tôi những cách dễ dàng để truy vấn dữ liệu thô thay vì sử dụng biểu thức chính quy

Giả sử bạn muốn lấy tất cả các liên kết trên một trang web. Các lớp phân tích cú pháp PHP DOM có thể giúp bạn

Các lớp DOM quan trọng trong PHP

Có khoảng 19 lớp liên quan đến DOM trong PHP. Một số trong những cái quan trọng là

• DOMDocument (mở rộng lớp DOMNode)
• DOMNode
• DOMNodeList
• Đường dẫn DOMX
• DOMElement (mở rộng lớp DOMNode

DOMDocument, Nodes và Elements

______02 là cái đầu tiên được đề cập ở đây. Nó lấy HTML làm đầu vào và trả về một đối tượng cấp quyền truy cập vào các phần tử DOM. Nó có thể tải HTML hoặc XML từ một chuỗi hoặc tệp. Lớp định nghĩa một số phương thức như getElementById giống với các hàm trong Javascript

$dom = new DOMDocument();

//examples

//methods to load HTML
$dom->loadHTML($html_string);
$dom->loadHTMLFile('path/to/htmlfile.html');

//methods to load XML
$dom->load('path/to/xmlfile.xml');
$dom->loadXML($xml_string);

$documentElement = $dom->documentElement; 
//object of DOMElement Class which gives access to the document element

Trong bài đăng này, chúng ta sẽ chủ yếu nghĩ về thao tác HTML trên XML

Điểm giao

DOM được tạo từ HTML là một cấu trúc dạng cây được tạo thành từ các nút riêng lẻ. Các nút này có thể thuộc bất kỳ loại nào, chẳng hạn như một phần tử, văn bản, nhận xét, thuộc tính, v.v.

header('Content-Type:application/json');
$url = "https://www.coralnodes.com/best-wordpress-image-optimization-plugins/";

$ch = curl_init();
curl_setopt($ch, CURLOPT_URL, $url);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
curl_setopt($ch, CURLOPT_FOLLOWLOCATION, true);

$res = curl_exec($ch);

curl_close($ch);

yếu tố

Lớp 

header('Content-Type:application/json');
$url = "https://www.coralnodes.com/best-wordpress-image-optimization-plugins/";

$ch = curl_init();
curl_setopt($ch, CURLOPT_URL, $url);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
curl_setopt($ch, CURLOPT_FOLLOWLOCATION, true);

$res = curl_exec($ch);

curl_close($ch);

header('Content-Type:application/json');
$url = "https://www.coralnodes.com/best-wordpress-image-optimization-plugins/";

$ch = curl_init();
curl_setopt($ch, CURLOPT_URL, $url);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
curl_setopt($ch, CURLOPT_FOLLOWLOCATION, true);

$res = curl_exec($ch);

curl_close($ch);

header('Content-Type:application/json');
$url = "https://www.coralnodes.com/best-wordpress-image-optimization-plugins/";

$ch = curl_init();
curl_setopt($ch, CURLOPT_URL, $url);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
curl_setopt($ch, CURLOPT_FOLLOWLOCATION, true);

$res = curl_exec($ch);

curl_close($ch);

Ví dụ thực tế

Không đi sâu vào lý thuyết, chúng ta hãy đi sâu vào một số ví dụ thực tế. Trước hết, chúng tôi muốn một số dữ liệu HTML. Để làm được điều đó, chúng ta hãy sử dụng một trong những bài viết trong blog này về tối ưu hóa hình ảnh

Chúng tôi sẽ thực hiện các công việc sau với HTML mẫu của chúng tôi

• Chọn phần tử theo Id
• Nhận các phần tử theo tên thẻ của nó
• Tìm phần tử theo lớp
• Tìm tất cả các liên kết trong một trang
• Chèn phần tử HTML
• Xóa một phần tử
• Xử lý các thuộc tính

Đây là yêu cầu cuộn tròn

header('Content-Type:application/json');
$url = "https://www.coralnodes.com/best-wordpress-image-optimization-plugins/";

$ch = curl_init();
curl_setopt($ch, CURLOPT_URL, $url);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
curl_setopt($ch, CURLOPT_FOLLOWLOCATION, true);

$res = curl_exec($ch);

curl_close($ch);

Biến $res chứa toàn bộ HTML từ trang web

Chọn theo ID

Nếu bạn xem trang mẫu của chúng tôi, bạn có thể thấy rằng nó chứa hai bảng. Giả sử tôi muốn tìm số hàng trong bảng đầu tiên. Sử dụng chrome dev-tools, tôi thấy rằng bảng được yêu cầu có Id – 

header('Content-Type:application/json');
$url = "https://www.coralnodes.com/best-wordpress-image-optimization-plugins/";

$ch = curl_init();
curl_setopt($ch, CURLOPT_URL, $url);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
curl_setopt($ch, CURLOPT_FOLLOWLOCATION, true);

$res = curl_exec($ch);

curl_close($ch);

Đoạn mã trên cho đầu ra

No. of rows in the table is 10

Chọn một thẻ theo tên của nó

Cả hai lớp 

header('Content-Type:application/json');
$url = "https://www.coralnodes.com/best-wordpress-image-optimization-plugins/";

$ch = curl_init();
curl_setopt($ch, CURLOPT_URL, $url);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
curl_setopt($ch, CURLOPT_FOLLOWLOCATION, true);

$res = curl_exec($ch);

curl_close($ch);

header('Content-Type:application/json');
$url = "https://www.coralnodes.com/best-wordpress-image-optimization-plugins/";

$ch = curl_init();
curl_setopt($ch, CURLOPT_URL, $url);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
curl_setopt($ch, CURLOPT_FOLLOWLOCATION, true);

$res = curl_exec($ch);

curl_close($ch);

$dom = new DomDocument();
@ $dom->loadHTML($res);

$table = $dom->getElementById('tablepress-3'); //DOMElement
$child_elements = $table->getElementsByTagName('tr'); //DOMNodeList
$row_count = $child_elements->length - 1;

echo "No. of rows in the table is " . $row_count;

$dom = new DOMDocument();

//examples

//methods to load HTML
$dom->loadHTML($html_string);
$dom->loadHTMLFile('path/to/htmlfile.html');

//methods to load XML
$dom->load('path/to/xmlfile.xml');
$dom->loadXML($xml_string);

$documentElement = $dom->documentElement; 
//object of DOMElement Class which gives access to the document element

Kết quả

$dom = new DOMDocument();

//examples

//methods to load HTML
$dom->loadHTML($html_string);
$dom->loadHTMLFile('path/to/htmlfile.html');

//methods to load XML
$dom->load('path/to/xmlfile.xml');
$dom->loadXML($xml_string);

$documentElement = $dom->documentElement; 
//object of DOMElement Class which gives access to the document element

Tìm các phần tử với một lớp cụ thể

Trong Javascript, phương thức 

$dom = new DomDocument();
@ $dom->loadHTML($res);

$table = $dom->getElementById('tablepress-3'); //DOMElement
$child_elements = $table->getElementsByTagName('tr'); //DOMNodeList
$row_count = $child_elements->length - 1;

echo "No. of rows in the table is " . $row_count;

$dom = new DomDocument();
@ $dom->loadHTML($res);

$table = $dom->getElementById('tablepress-3'); //DOMElement
$child_elements = $table->getElementsByTagName('tr'); //DOMNodeList
$row_count = $child_elements->length - 1;

echo "No. of rows in the table is " . $row_count;

Ví dụ. Chọn tất cả các bảng có lớp

$dom = new DomDocument();
@ $dom->loadHTML($res);

$table = $dom->getElementById('tablepress-3'); //DOMElement
$child_elements = $table->getElementsByTagName('tr'); //DOMNodeList
$row_count = $child_elements->length - 1;

echo "No. of rows in the table is " . $row_count;

$dom = new DOMDocument();

//examples

//methods to load HTML
$dom->loadHTML($html_string);
$dom->loadHTMLFile('path/to/htmlfile.html');

//methods to load XML
$dom->load('path/to/xmlfile.xml');
$dom->loadXML($xml_string);

$documentElement = $dom->documentElement; 
//object of DOMElement Class which gives access to the document element

Giống như 

$dom = new DomDocument();
@ $dom->loadHTML($res);

$table = $dom->getElementById('tablepress-3'); //DOMElement
$child_elements = $table->getElementsByTagName('tr'); //DOMNodeList
$row_count = $child_elements->length - 1;

echo "No. of rows in the table is " . $row_count;

$dom = new DomDocument();
@ $dom->loadHTML($res);

$table = $dom->getElementById('tablepress-3'); //DOMElement
$child_elements = $table->getElementsByTagName('tr'); //DOMNodeList
$row_count = $child_elements->length - 1;

echo "No. of rows in the table is " . $row_count;

$dom = new DomDocument();
@ $dom->loadHTML($res);

$table = $dom->getElementById('tablepress-3'); //DOMElement
$child_elements = $table->getElementsByTagName('tr'); //DOMNodeList
$row_count = $child_elements->length - 1;

echo "No. of rows in the table is " . $row_count;

$dom = new DomDocument();
@ $dom->loadHTML($res);

$table = $dom->getElementById('tablepress-3'); //DOMElement
$child_elements = $table->getElementsByTagName('tr'); //DOMNodeList
$row_count = $child_elements->length - 1;

echo "No. of rows in the table is " . $row_count;

Nếu bạn chưa quen với XPath, thì bảng hướng dẫn này từ Devhints. io chứa nhiều danh sách bộ chọn CSS & JS và các biểu thức XPath tương ứng của chúng. Nó sẽ giúp bạn tìm ra biểu thức thích hợp cho truy vấn bạn muốn thực hiện

Trích xuất các liên kết từ một trang

Phân tích cú pháp mở ra một số cơ hội. Trích xuất các liên kết từ một trang web là một cách sử dụng như vậy. Đó là cách trình thu thập thông tin thu thập thông tin trên toàn thế giới web

Giả sử tôi muốn tìm tất cả các liên kết bên ngoài tới một trang web cụ thể trên một trang web. Trong trang mẫu của chúng tôi, điều tôi muốn làm là tìm tất cả các liên kết ngoài tới wordpress. trang web org từ bài đăng trên blog. Vì vậy, đây là cách tôi đã làm nó

header('Content-Type:application/json');
$url = "https://www.coralnodes.com/best-wordpress-image-optimization-plugins/";

$ch = curl_init();
curl_setopt($ch, CURLOPT_URL, $url);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
curl_setopt($ch, CURLOPT_FOLLOWLOCATION, true);

$res = curl_exec($ch);

curl_close($ch);

Sửa đổi và lưu HTML

Cho đến nay chúng ta đã thấy cách trích xuất hoặc chọn dữ liệu cần thiết từ HTML. Bây giờ, hãy xem cách chúng tôi có thể sửa đổi nó bằng cách thêm hoặc xóa các thành phần và thuộc tính

Chèn phần tử HTML mới vào tài liệu

Trong ví dụ này, chúng ta sẽ xem cách thêm hình ảnh có liên kết sau đoạn đầu tiên. Đây là cách bạn chèn banner quảng cáo giữa bài viết

header('Content-Type:application/json');
$url = "https://www.coralnodes.com/best-wordpress-image-optimization-plugins/";

$ch = curl_init();
curl_setopt($ch, CURLOPT_URL, $url);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
curl_setopt($ch, CURLOPT_FOLLOWLOCATION, true);

$res = curl_exec($ch);

curl_close($ch);

Lưu ý rằng phương thức 

$dom = new DomDocument();
@ $dom->loadHTML($res);

$table = $dom->getElementById('tablepress-3'); //DOMElement
$child_elements = $table->getElementsByTagName('tr'); //DOMNodeList
$row_count = $child_elements->length - 1;

echo "No. of rows in the table is " . $row_count;

Xóa một phần tử khỏi tài liệu

Để xóa một phần tử khỏi HTML, chúng ta có thể sử dụng phương thức 

$dom = new DomDocument();
@ $dom->loadHTML($res);

$table = $dom->getElementById('tablepress-3'); //DOMElement
$child_elements = $table->getElementsByTagName('tr'); //DOMNodeList
$row_count = $child_elements->length - 1;

echo "No. of rows in the table is " . $row_count;

header('Content-Type:application/json');
$url = "https://www.coralnodes.com/best-wordpress-image-optimization-plugins/";

$ch = curl_init();
curl_setopt($ch, CURLOPT_URL, $url);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
curl_setopt($ch, CURLOPT_FOLLOWLOCATION, true);

$res = curl_exec($ch);

curl_close($ch);

header('Content-Type:application/json');
$url = "https://www.coralnodes.com/best-wordpress-image-optimization-plugins/";

$ch = curl_init();
curl_setopt($ch, CURLOPT_URL, $url);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
curl_setopt($ch, CURLOPT_FOLLOWLOCATION, true);

$res = curl_exec($ch);

curl_close($ch);

Ở đây chúng tôi đã thực hiện một truy vấn XPath để tìm tất cả các phần tử với lớp del. Sau đó, chúng tôi xóa từng nút khỏi tài liệu bằng cách lặp lại đối tượng 

$dom = new DomDocument();
@ $dom->loadHTML($res);

$table = $dom->getElementById('tablepress-3'); //DOMElement
$child_elements = $table->getElementsByTagName('tr'); //DOMNodeList
$row_count = $child_elements->length - 1;

echo "No. of rows in the table is " . $row_count;

header('Content-Type:application/json');
$url = "https://www.coralnodes.com/best-wordpress-image-optimization-plugins/";

$ch = curl_init();
curl_setopt($ch, CURLOPT_URL, $url);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
curl_setopt($ch, CURLOPT_FOLLOWLOCATION, true);

$res = curl_exec($ch);

curl_close($ch);

Thao túng các thuộc tính

Các lớp và Id không phải là thuộc tính duy nhất chúng ta có thể truy cập trong PHP DOM. Lớp 

header('Content-Type:application/json');
$url = "https://www.coralnodes.com/best-wordpress-image-optimization-plugins/";

$ch = curl_init();
curl_setopt($ch, CURLOPT_URL, $url);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
curl_setopt($ch, CURLOPT_FOLLOWLOCATION, true);

$res = curl_exec($ch);

curl_close($ch);

header('Content-Type:application/json');
$url = "https://www.coralnodes.com/best-wordpress-image-optimization-plugins/";

$ch = curl_init();
curl_setopt($ch, CURLOPT_URL, $url);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
curl_setopt($ch, CURLOPT_FOLLOWLOCATION, true);

$res = curl_exec($ch);

curl_close($ch);

Phần kết luận

Cho đến giờ, chúng ta đã xem xét một số API DOM quan trọng trong PHP. Tôi hy vọng rằng nó sẽ giúp bạn bắt đầu phân tích cú pháp dữ liệu HTML và XML một cách dễ dàng. Nếu tôi không rõ ràng ở một số điểm nhất định, hãy hỏi nó trong phần bình luận

Làm cách nào để chuyển đổi HTML sang DOM?

Làm cách nào để chuyển đổi chuỗi thành đối tượng HTML?

Bạn có thể thao tác DOM với PHP không?

Có DOM trong PHP không?