在日常的Web开发工作中,我们经常需要处理HTML文档,并从中提取特定信息,比如链接、图片地址等。今天,我就遇到了一个典型的场景,需要从一个复杂的HTML页面中提取所有<a>标签的href属性值,以便进行进一步的数据分析或内容聚合。通过这个过程,我发现了PHP DOM解析器的强大之处,它不仅能帮助我们轻松处理HTML文档,还能保证数据的准确性和完整性。
在最近的一个项目中,我负责维护一个内容聚合平台。该平台需要从多个外部网站抓取新闻摘要,并展示给用户。然而,这些外部网站的HTML结构各不相同,有的非常复杂,包含多层嵌套的<div>和<span>标签,使得直接通过字符串操作提取<a>标签的href变得既繁琐又容易出错。此外,这些网站还经常更新,HTML结构也会随之变化,这进一步增加了维护的难度。
为了高效且稳定地解决这个问题,我决定采用PHP内置的DOM解析器。DOM解析器允许我们将HTML文档加载为一个DOM对象,然后像操作XML文档一样,使用DOM API来遍历和查询文档中的元素。这种方法不仅代码清晰,易于维护,而且能够自动处理HTML文档中的复杂结构,大大提高了数据提取的准确性和效率。
下面是我用来提取HTML中所有<a>标签href值的PHP代码示例:
// 创建一个新的DOMDocument实例
$dom = new DOMDocument();
// 加载HTML字符串
@$dom->loadHTML($contents, LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD); // 使用@来抑制警告
// 获取所有的<a>标签
$links = $dom->getElementsByTagName('a');
// 遍历所有<a>标签
foreach ($links as $link) {
// 提取href属性值
$href = $link->getAttribute('href');
echo $href . PHP_EOL;
}加载HTML内容:通过file_get_contents()函数或cURL(如果是网络资源)获取HTML内容。这里为了示例方便,我直接使用了字符串模拟。
创建DOMDocument实例:实例化DOMDocument类,这是处理HTML文档的基础。
加载HTML字符串:使用loadHTML()方法将HTML字符串加载到DOMDocument对象中。注意,这里使用了@来抑制可能的警告,但在实际开发中,我们应该处理这些警告,以避免隐藏潜在的问题。
获取<a>标签:通过getElementsByTagName()方法获取文档中所有的<a>标签。这个方法返回一个DOMNodeList对象,包含了所有匹配的元素。
遍历并提取href:使用foreach循环遍历DOMNodeList对象中的每个<a>标签,并通过getAttribute('href')方法提取其href属性值。
处理href:在提取到href之后,你可以根据需要进行进一步的处理,比如去重、验证URL的有效性、存储到数据库等。
通过使用PHP DOM解析器,我成功地解决了从复杂HTML文档中提取<a>标签href值的问题。这种方法不仅提高了数据提取的准确性和效率,还使得代码更加清晰和易于维护。在实际工作中,当遇到类似的需求时,我强烈推荐使用DOM解析器来处理HTML文档。
前面的文章对于高并发下单商品导致商品库存为负值的问题请先阅读再阅读本篇文章一定对您有帮助,建议亲手测试较好。加上文件锁后的下单处理代码:【一】.阻塞模式:(如果其他进程已经加锁文件,当前进程会一直等其他进程解锁文件后继续执行)<?php //连接数据库 $con=mysqli_connect(...
通过经纬度转换为城市名称,并获得城市的编号,通常在全国类型的商城中比较通用。//经纬度转城市名称(返回城市id,城市名称) //$ak开发密钥,$lat纬度,$lng经度,$type返回数据类型 public function getCityName($ak,$lat,$lng)...
面试中PHP面试官会问调用一个不存在的方法,如何知道是哪个文件哪行调用的?假设方法是getWorkLoad()回答1:开启PHP错误输出,PHP会输出Fatal error: Call to undefined function getWorkLoad() in D:\wwwroot\thinkpa...
ThinkPHP中有一个debug调试功能,能输出报错文件的信息,并能看到这个函数被哪些函数调用,从框架的启动开始记录,特别方便调试。于是研究了下它的底层给予了实现。<?php //--框架核心--Start //框架内置错误处理 function errDealWith($er...
(1).在PHP中可以查看的环境变量包括: (1.1).电脑环境变量 (2.1).服务器环境变量(2).getenv()函数获取一个环境变量的值.参数1是环境变量的key,参数2值为true的时候仅从你的电脑环境变量中查找,参数2值为false会从两种变量中全部查询//获取我电脑登录的用户名,输出A...
(1)swoole启动的主进程是master进程负责全局管理,然后master进程会再fork一个manager进程。(2)manager进程开始统一管理进程创建回收管理。(3)manager进程根据设置的worker_num和task_worker_num来创建work进程和task进程因此启动s...