php使用自带dom扩展进行元素匹配的原理解析
时间：2022-09-27 11:10:31|栏目：PHP代码|点击： 次
DOMDocument
php提供了非常好用的解析html和xml文档的扩展库DOM，使用这个库可以非常高效的进行html和xml文档的解析，它的原理就是通过寻找首尾匹配对来进行文档的解析。
从上面的分析可以看出，如果首位不匹配，可能就会导致一些错误的出现，因此，这个时候我们需要设置
libxml_use_internal_errors(true);
来进行错误的屏蔽，让它可以解析整个文档。
解析html基本用法
$dom = new \DOMDocument; $content = htmlspecialchars_decode($content); libxml_use_internal_errors(true); $content = mb_convert_encoding($content, 'HTML-ENTITIES', 'UTF-8'); $dom->loadHTML($content);
$content是要解析的html字符串，其中我们对它进行了转义，因为可能含有实体集，然后我们有进行了编码的转换，因为可能文档不是utf-8格式的，会导致日文，法文等文字乱码。
获取元素
$a = $dom->getElementsByTagName('a');
$p = $dom->getElementsByTagName('p');
遍历元素
$elements = $dom->getElementsByTagName('a');
foreach ($elements as $element) {
$element->textContent = '替换成其它的文字';
}
通过上面的循环，可以将全部a标签的文字替换掉。
元素嵌套
有些时候，html会嵌套很多层，比如
<div> <p> <a href="xxx" rel="external nofollow" >我是文字</a> </p> <p> 内容替换 </p> </div>
如果我们想要对p标签文字进行替换的化，并且不想要替换含有子元素的内容，就是这里的a标签不想替换，下面的语句不能够解决我们的问题：
$elements = $dom->getElementsByTagName('p');
foreach ($elements as $element) {
if($element->hasChildNodes()){
$element->textContent = 'p标签内容替换';
}
}
上面的代会将a标签的内容也替换掉，这不是我们想要的结果，因为hasChildNodes()这个函数表示的含有内容，无论它是标签还是文字，它都是返回true的，除非它是空标签，例如
它才会返回false.
所以我们需要自己封装一个函数进行检查是否含有嵌套标签。
function hasChild($element, $tags)
{
foreach($tags as $v){
$elements = $element->getElementsByTagName($v);
if($elements->length){
return true;
}
}
return false;
}
$tags = array('title','h1','h2','h3','h4','h5','a','p','dd','img');
$elements = $dom->getElementsByTagName('p');
foreach ($elements as $element) {
if(hasChild($element, $tags)){
$element->textContent = 'p标签内容替换';
}
}
通过我们自己封装的函数，就可以判断出$dom的node节点是否含有子标签。
总结
