PHP 操作 DOM 解析 HTML：以 DOMDocument 與 DOMXPath 替代正則的實戰範例

需要從導航頁 HTML 結構化提取資料寫入資料庫？正則表達式雖能匹配，但維護成本高、可讀性差。PHP 內建 DOMDocument 與 DOMXPath 提供標準化 DOM 樹操作，讓伺服器端像瀏覽器端 JS 一樣優雅處理 HTML。

核心類別與工作流

• DOMDocument：將 HTML/XML 字串或檔案解析為 DOM 樹結構。
• DOMXPath：支援 XPath 1.0 查詢語法，精準定位節點。
• 流程：載入檔案 → 建立 XPath 物件 → 查詢節點 → 遍歷子樹提取資料。

實戰程式碼：抓取 class="fix" 的 <dl> 內文字內容

<?php
// 1. 載入 HTML 檔案
$dom = new DOMDocument();
libxml_use_internal_errors(true); // 抑制 HTML5 非標準標籤警告
$dom->loadHTMLFile('./hao.html');
libxml_clear_errors();

// 2. 建立 XPath 查詢器
$xpath = new DOMXPath($dom);

// 3. 精準定位目標節點
$dls = $xpath->query('//dl[@class="fix"]');

// 4. 遍歷輸出文字內容
foreach ($dls as $dl) {
    foreach ($dl->childNodes as $span) {
        echo trim($span->textContent) . "\t";
    }
    echo "\n";
}
?>

關鍵避坑指南：UTF-8 中文編碼處理

DOMDocument 預設編碼為 Latin-1，直接載入 UTF-8 含中文頁面會導致亂碼。解決方案：

<?php
$html = file_get_contents('./hao.html');
// 強制宣告 UTF-8，配合 meta 標籤或 HTTP header
$dom->loadHTML('<meta charset="UTF-8">' . $html);
// 或使用 mb_convert_encoding 預處理
?>

⚠️ 必須在 loadHTML() 之前完成編碼宣告，事後補充無效。

XPath 常用查詢模式速查

掌握 DOMDocument + DOMXPath 組合，讓 PHP 也能輕鬆玩轉 DOM 樹，告別脆弱的正則解析時代。