PHP Simple HTML DOM 解析器：用 DOM 方式輕鬆處理 HTML 文件

Simple HTML DOM 是 PHP 知名的 HTML 解析庫，提供類似 jQuery 的選擇器語法，讓伺服器端處理 HTML 如同瀏覽器端般直觀。

安裝與基本用法

require_once 'simple_html_dom.php';

$dom = new simple_html_dom();
// 從字串載入
$dom->load($html);
// 或從檔案/URL 載入
$dom->load_file('https://example.com');

核心方法：find() 選擇器

支援 CSS 選擇器語法，回傳元素陣列或單一元素：

// 取得第一個符合的元素 (索引 0)
$element = $dom->find('div.lookLeftname', 0);

// 取得所有符合的元素
$elements = $dom->find('div.lookLeftname');

元素屬性存取

實務範例：爬取文章標題與連結

$html = file_get_contents('https://news.example.com');
$dom = new simple_html_dom();
$dom->load($html);

$articles = [];
foreach ($dom->find('article h2 a') as $link) {
    $articles[] = [
        'title' => $link->plaintext,
        'url' => $link->href,
        'time' => $link->find('time', 0)?->datetime ?? ''
    ];
}

$dom->clear(); // 釋放記憶體
unset($dom);
print_r($articles);

常用選擇器模式

// ID 選擇器
$dom->find('#main-content')

// 類別選擇器
$dom->find('.article-list .item')

// 屬性選擇器
$dom->find('a[target=_blank]')
$dom->find('img[data-src]')

// 後代/子代組合
$dom->find('ul > li:first-child')
$dom->find('table tr:nth-of-type(2)')

// 多重選擇器
$dom->find('h1, h2, h3')

記憶體管理重要提醒

• 處理完畢務必呼叫 $dom->clear() 釋放循環參考
• 大型文件建議分段處理或使用 XMLReader
• 搭配 unset($dom) 確保記憶體回收

適用場景與限制