PHP 解析 HTML 神器：PHP Simple HTML DOM Parser 使用指南（jQuery 風格選擇器）

為什麼選擇它？

原生 DOMDocument + DOMXPath 雖強大但 API 繁瑣、容錯差（嚴格要求合法 XML/HTML）。PHP Simple HTML DOM Parser 提供：

• jQuery 風格 CSS 選擇器（find('div.content a')）。
• 極強容錯（自動修補斷標籤、編碼自動檢測）。
• 鏈式操作、DOM 遍歷、屬性/文本/註釋提取一站式。
• 支援字符串、URL、文件三種來源創建 DOM。

安裝與引入

// 方式 1：Composer (推薦，現代項目)
composer require sunra/php-simple-html-dom-parser

// 方式 2：手動下載 simple_html_dom.php 放入項目
include_once 'simple_html_dom.php';

三種創建 DOM 對象方式

<?php
// 1. 從字符串
$html = str_get_html('<html><body>Hello!</body></html>');

// 2. 從 URL 直接抓取（內部用 file_get_contents/curl）
$html = file_get_html('https://example.com/article');

// 3. 從本地文件
$html = file_get_html('storage/page.html');

核心 API：find() 選擇器大全

元素對象常用屬性與方法

$el = $html->find('div.article', 0);

// 屬性
$el->href;        // 獲取 href 屬性 (若為 <a>)
$el->src;         // 獲取 src
$el->id;          // 獲取 id
$el->class;       // 獲取 class
$el->tag;         // 標籤名 'div'
$el->outertext;   // 含標籤的完整 HTML
$el->innertext;   // 內部 HTML
$el->plaintext;   // 純文本 (去標籤)

// 方法
$el->getAttribute('data-id'); // 通用獲取屬性
$el->children();              // 直接子元素陣列
$el->parent();                // 父元素
$el->next_sibling();          // 下一個同級
$el->prev_sibling();          // 上一個同級

鏈式操作與遍歷實戰

// 鏈式：找到 #div1 -> 第 2 個子元素 -> 第 2 個子元素 -> 第 3 個子元素 -> 取 id
echo $html->find("#div1", 0)->children(1)->children(1)->children(2)->id;

// 等價 DOM 標準寫法
echo $html->getElementById("div1")->childNodes(1)->childNodes(1)->childNodes(2)->getAttribute('id');

// 遍歷所有圖片鏈接
foreach ($html->find('img') as $img) {
    echo $img->src . '<br>';
}

// 修改 DOM 並輸出
$html->find('a.external', 0)->href = 'https://new-target.com';
$html->find('a.external', 0)->target = '_blank';
echo $html->save(); // 輸出修改後的完整 HTML

進階技巧與避坑

1. 編碼處理：抓取遠程頁面時，庫會嘗試從 Content-Type 或 <meta charset> 檢測編碼。若檢測失敗導致亂碼，可強制指定：$html = file_get_html($url, false, null, -1, 'UTF-8');（參考庫版本參數）。
2. 內存佔用：大頁面（>2MB）解析較佔內存。爬蟲建議：stream_get_contents 分塊讀取 + 正則預提取目標區塊 -> 再餵給解析器。
3. 現代替代品：symfony/dom-crawler (配合 CssSelector 組件)、**Masterminds/HTML5-PHP** (標準 HTML5 解析器)、**wa72/htmlpagedom** (DOMDocument 封裝，輕量)。新項目優先考慮標準庫封裝。
4. 清理資源：循環解析大量頁面時，及時 unset($html); $html = null; 釋放循環引用內存。

總結

PHP Simple HTML DOM Parser 以「jQuery 風格選擇器 + 強容錯」降低了 PHP 解析 HTML 的門檻，是快速開發爬蟲、內容提取、頁面清洗的利器。理解其 find() 選擇器語法、元素對象屬性、鏈式遍歷，即可應對 95% 解析場景。

1. 上一篇文章： 跨瀏覽器網頁灰度效果實現：CSS Filter + JavaScript 降級方案
2. 下一篇文章： PHP 多級目錄 Session 存儲配置實戰：突破文件數限制、自動創建目錄結構、hash_bits_per_character 陷阱

PHP 綜合知識

PHP fputcsv() 寫入 CSV 避坑指南：多維陣列分隔符錯誤排查

問題現象 使用 fputcsv() 寫入多維陣列時，若陣列定

PHP 定時執行任務三種方式深度對比：系統級 vs 腳本級 vs Web 輪詢

前言 PHP 定時任務實現方式眾多，但本質上可歸納為三大類：

深度解析 Zend SAPI：從 CGI 到 Embed 的 PHP 與外部世界交互機制

什麼是 SAPI？ SAPI (Server Applica

PHP 多服務器共享 Session 實戰：Cookie 域配置 + 數據庫存儲完整方案

問題背景 多子域名/多服務器集群下，用戶登錄後跳轉到另一台機