simple_html_dom 解析器完整使用指南：DOM 方式處理 HTML

簡介

simple_html_dom 是 PHP 知名的 HTML 解析庫，提供類 jQuery 的選擇器語法，支援斷裂/不標準 HTML 容錯解析，適合爬蟲、內容擷取、頁面清洗。

安裝與載入

# Composer 安裝 (推薦)
composer require sunra/php-simple-html-dom-parser

# 或下載單檔版 simple_html_dom.php 放入專案
require_once 'simple_html_dom.php';

核心物件建立

<?php
use Sunra\PhpSimple\HtmlDomParser;

// 從 URL 載入
$dom = HtmlDomParser::file_get_html('https://example.com');

// 從字串載入
$html = '<div id="box"><p>Hello</p></div>';
$dom = HtmlDomParser::str_get_html($html);

// 手動建立並載入
$dom = new simple_html_dom();
$dom->load($html);

選擇器 find() 完整語法

元素屬性與內容存取

<?php
$element = $dom->find('#content', 0);

// 標籤名
echo $element->tag;           // 'div'

// 完整外層 HTML（含自身標籤）
echo $element->outertext;     // '<div id="content">...</div>'

// 內部 HTML（不含自身標籤）
echo $element->innertext;     // '...內容...'

// 純文字（去除所有標籤）
echo $element->plaintext;     // '純文字內容'

// 取得/設定屬性
echo $element->href;          // 取得 href
echo $element->id;            // 取得 id
$element->class = 'new-class'; // 設定 class
$element->setAttribute('data-id', '123');

// 移除屬性
$element->removeAttribute('style');

DOM 遍歷方法

<?php
// 遍歷所有子元素
foreach ($element->children() as $child) {
    echo $child->tag . ': ' . $child->plaintext . "\n";
}

// 精確定位：#div1 → 第2個子元素 → 第2個子元素 → 第3個子元素
echo $dom->find('#div1', 0)->children(1)->children(1)->children(2)->id;

實戰範例：文章列表擷取

<?php
$dom = HtmlDomParser::file_get_html('https://blog.example.com/list');

$articles = [];
foreach ($dom->find('article.post') as $post) {
    $item = [
        'title'   => $post->find('h2.title a', 0)->plaintext,
        'link'    => $post->find('h2.title a', 0)->href,
        'summary' => $post->find('.excerpt', 0)->plaintext,
        'date'    => $post->find('time', 0)->datetime,
        'author'  => $post->find('.author-name', 0)->plaintext,
        'tags'    => [],
    ];
    
    foreach ($post->find('.tags a') as $tag) {
        $item['tags'][] = $tag->plaintext;
    }
    
    $articles[] = $item;
}

print_r($articles);

修改 HTML 並輸出

<?php
$html = '<div id="hello">Hello</div><div id="world">World</div>';
$dom = HtmlDomParser::str_get_html($html);

// 修改第 2 個 div 的 class
$dom->find('div', 1)->class = 'bar';

// 修改 #hello 的內部內容
$dom->find('#hello', 0)->innertext = 'foo';

// 輸出完整 HTML
echo $dom->save();
// 或 echo $dom;  // __toString()

// 輸出：
// <div id="hello">foo</div><div id="world" class="bar">World</div>

記憶體管理

<?php
// 大型文件解析後釋放記憶體
$dom = HtmlDomParser::file_get_html('large_page.html');
// ... 處理 ...
$dom->clear();  // 避免循環引用導致記憶體洩漏
unset($dom);

常見問題與替代方案

內建 DOMDocument 替代方案（無需外部依賴）

<?php
$dom = new DOMDocument();
libxml_use_internal_errors(true);  // 抑制錯誤警告
$dom->loadHTML($html, LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD);
libxml_clear_errors();

$xpath = new DOMXPath($dom);
$nodes = $xpath->query('//div[@class="item"]//a');

foreach ($nodes as $node) {
    echo $node->textContent . ' -> ' . $node->getAttribute('href') . "\n";
}

1. 上一篇文章： PHP PKI 加密技術（OpenSSL）完整實作指南
2. 下一篇文章： PHP cURL 介接 API 完整指南：從基礎到進階實戰

PHP 相關知識

PHP 正則表達式捕獲組與非捕獲組深度解析

什麼是捕獲組 正則中用 () 括起的子模式即為捕獲組。PHP

PHP 生命週期圖解：SAPI、啟動、請求處理、關閉、Zend 引擎核心流程

PHP 生命週期圖解：從 SAPI 到 Zend 引擎的完整

解決 PHP 5.3 環境下 Yii 框架 PDO MySQL 擴展無法載入的問題

在部署 Yii 專案時，常遇到需求檢查頁面顯示「PDO My

PHP 擴展開發入門：百萬資料排序效能比較與 C 擴展實作

為解決大量資料排序效能瓶頸，作者開發 PHP C 擴展實現快