Simple HTML DOM Parserの日本語訳

2011/04/14

PHP Simple HTML DOM Parserのオンラインマニュアル」を自分なりにまとめたもの。

Quick Start

Get HTML elements

URLやファイルからDOM化
$html = file_get_html('http://www.google.com/');
DOM化したものから全てのimgタグのsrc属性の値を取得
foreach($html->find('img') as $element){
 echo $element->src . '<br>';
}
DOM化したものから全てのaタグのhref属性の値を取得
foreach($html->find('a') as $element){
 echo $element->href . '<br>';
}

Modify HTML elements

HTMLソースからDOM化
// $htmlにHTMLソースをパースしたものを代入(?)
$html = str_get_html('<div id="hello">Hello</div><div id="world">World</div>');

// 1番目(2つめ)のdivタグにclass属性を追加。値は[bar]。
$html->find('div', 1)->class = 'bar';

// divタグのid属性の値が[hello]の0番目(1つめ)のテキストを「foo」に置き換え。
$html->find('div[id=hello]', 0)->innertext = 'foo';

echo $html; // Output: <div id="hello">foo</div><div id="world" class="bar">World</div>

Extract contents from HTML

タグなしのテキストの抽出(Dump contents (without tags) from HTML)
echo file_get_html('http://www.google.com/')->plaintext;

Scraping Slashdot!

URLからDOM化をして、値を取得するサンプル
// Create DOM from URL
$html = file_get_html('http://slashdot.org/');

// Find all article blocks
foreach($html->find('div.article') as $article) {
 // 配列($item)に
 // [<div class=article>]の中にある
 // 各class内のタグなしテキストを代入(?)していく。
 $item['title']   = $article->find('div.title', 0)->plaintext;
 $item['intro']   = $article->find('div.intro', 0)->plaintext;
 $item['details'] = $article->find('div.details', 0)->plaintext;
 $articles[] = $item;
}

print_r($articles);

How to create HTML DOM object?

未翻訳

How to find HTML elements?

Basics

<a>タグ全部
$ret = $html->find('a');
全部の<a>タグの中からn番目(下記だと0番目)の<a>タグ(配列同様、一番最初は「0」)
$ret = $html->find('a', 0);
全部の<a>タグの一番最後(-1)。
$ret = $html->find('a', -1);
<div>タグの属性「id」の全部
$ret = $html->find('div[id]');
<div>タグの属性「id」で値が「foo」の全部
$ret = $html->find('div[id=foo]');

Advanced

属性「id」の値が「foo」の全部
$ret = $html->find('#foo');
属性「class」の値が「foo」の全部
$ret = $html->find('.foo');
全タグの属性「id」の全部
$ret = $html->find('*[id]');
<a>タグと<img>タグの全部
$ret = $html->find('a, img');
<a>タグの属性「title」全部と<img>タグの属性「title」全部
$ret = $html->find('a[title], img[title]');

Descendant selectors

<ul>タグの中にある<li>タグの全部
$es = $html->find('ul li');
<div>タグの中にある<div>タグの中にある<div>タグの全部
$es = $html->find('div div div');
<table class=”hello”>の中にある<td>タグの全部
$es = $html->find('table.hello td');
<table>タグの中にある<td align=center>の全部
$es = $html->find('table td[align=center]');

Nested selectors

<ul>タグの中にある<li>の全部
foreach($html->find('ul') as $ul){
  foreach($ul->find('li') as $li){
    // do something…
  }
}
一つ目の<ul>タグ内にある一つ目の<li>タグ
$e = $html->find('ul', 0)->find('li', 0);

Attribute Filters

属性フィルタ
[attribute] 属性が存在
[!attribute] 属性が存在しない
[attribute=value] 属性と値が一致するもののみ
[attribute!=value] 属性と値が一致しないもののみ
[attribute^=value] 属性と指定した値で始まるものすべて
[attribute$=value] 属性と指定した値で終るものすべて
[attribute*=value] 属性と指定した値が含まれるものすべて

Text & Comments

テキストブロック(改行コードも取得される)
$es = $html->find('text');
コメント(<!–…–>)の取得
$es = $html->find('comment');

How to access the HTML element’s attributes?

Get, Set and Remove attributes

指定した属性の値を取得
//下記はhref属性の取得。
$value = $e->href;
指定した属性の値に代入
//下記はhref属性にセット。
$e->href = ‘my link’;
指定した属性の値を「NULL」に変更、削除?
$e->href = null;
指定した属性の存在をチェック
if(isset($e->href)){
echo 'href exist(存在する)!';
}

Magic attributes

Attribute Name Usage
$e->tag 外側のタグ自体を取得
$e->outertext 外側のタグと中身のタグありデータ。
$e->innertext 中身のタグありデータ。
$e->plaintext 中身のタグ無しデータ。

plaintext:改行されている箇所は空白文字に置き換えられる

// Example
$html = str_get_html("<div>foo <b>bar</b></div>");
$e = $html->find("div", 0);

echo $e->tag; // Returns: " div"
echo $e->outertext; // Returns: " <div>foo <b>bar</b></div>"
echo $e->innertext; // Returns: " foo <b>bar</b>"
echo $e->plaintext; // Returns: " foo bar"

Tips

使いドコがよくわからん…。

HTMLからコンテンツを取得
echo $html->plaintext;
ラップ(?)する
$e->outertext = '<div class=”wrap”>' . $e->outertext . '</div>';
要素を削除、空データを代入
$e->outertext = '';
要素の追加
$e->outertext = $e->outertext . '<div>foo</div>';
要素の挿入
$e->outertext = '<div>foo</div>' . $e->outertext;

How to traverse the DOM tree?

未翻訳

How to dump contents of DOM object?

未翻訳

How to customize the parsing behavior?

未翻訳

新着(ニュース関連以外)

2017-04-11
動画をライトボックス風に表示したい・・・ライトボックス風って何? とりあえずbootstrapで対応したい。
2017-04-05
GitHubとかでzipをダウンロードすると・・・srcとdistと中身が似たようなのがよくあるので調べてみた。
2017-03-23
Wordpressのアドバンスドカスタムフィールドの値で検索や出力したい。
2017-03-16
PC・AからPC・BにはTeamViewerでLAN接続できるのに、PC・BからPC・AにLAN接続できないので、その対応。
2017-03-10
wordpressで投稿した際に強制的にカテゴリを付与したい・・・。