最近在每天工作之余抽取一点小时间做一个小的web应用，中间需要一些原始数据的抓取，用于测试，在网上找到了PHP Simple HTML Dom，是一个简单的HTML DOM解析器，支持PHP5+以上版本，支持无效的HTML,提供了比较简单的方法来处理HTML元素。是一个开源项目。

在使用中基本能够满足目前的需要，相对对于HTML的处理还是比较方便的，就是效率跟占用内存貌似不太理想，可能是对其使用上不是很对路。总来的来说，用这个东西入门还是比较快速的。

1. 开始使用

首先下载解压缩，然后将simple_html_dom.php文件包含进要编写的脚本文件中，加载要处理的html，支持三种模式的html加载，分别是『从url中加载，从字符串中加载，从文件中加载』。

Hello World!');
//从文件中加载
$html = file_get_html('example.htm');

从字符串加载网上文件需要先从网络下下载，使用cURL比较好一些，需要在php配置文件中打开php扩展php_curl。

$url = 'http://www.example.com';
$ci = curl_init();
curl_setopt($ci,CURLOPT_URL,$url);
curl_setopt($ci, CURLOPT_SSL_VERIFYPEER, false);
curl_setopt($ci, CURLOPT_SSL_VERIFYHOST, false);
curl_setopt($ci, CURLOPT_RETURNTRANSFER, 1);
$result = curl_exec($ci);

2. 查找html元素

使用find函数查找，返回包含对象的数组，常见的查找如下。

//查找超链接元素
$alink = $html->find('a');
//查找第n个连接元素
$alink = $html->find('a',5);
//查找id为main的div
$mainDiv = $html->find('div[id=main]');
//查找所有定义了id的div
$idDiv = $html->find('div[id]');
//查找所有定义了id的元素
$idAll = $html->find('[id]');
//查找样式类为info的元素
$classInfo = $html->find('.info');
//支持嵌套子元素查找
$ret = $html->find('ul li');
//查找多个html元素
$ret = $html->find('a,img,p');
//....

3. 其他

可以使用内置的函数来进行元素的定位,返回父元素parent，返回子元素数组children，返回第一个子元素first_child,返回最后一个子元素last_child,返回前一个相邻元素prev_sibling，返回后一个相邻元素next_sibling等。

提供简单的正则表达式来过滤属性选择器，类似于[attribute]的格式。

每个对象都有4个基本属性：
tag — 返回html标签名
innertext — 返回innerHTML
outertext — 返回outerHTML
plaintext — 返回HTML标签中的文本

返回元素属性值

//返回$alink的href值
$link = $alink->href;

通过设置元素的属性值可以对元素进行添加、修改、删除操作。

//删除url连接
$alink->href = null;
//元素的修改
$ret->outertext = '

';
$ret->outertext = '';
$ret->outertext = $ret->outertext . '

';
$ret->outertext = '

' . $ret->outertext;

-EOF-

在有些场合中需要以文件的形式来对内容进行存储，通常这时候需要对文件进行一系列的操作，PHP中对于文件的操作跟其他计算机程序设计语言对文件的操作类似，对于文件的操作主要包括三个部分，以及围绕这三部分提供的辅助性函数来完成文件操作的工作。

（1）文件的创建与打开；
（2）文件的操作；
（3）文件的关闭；

在PHP中，通过一系列的函数来完成文件的操作，常用的函数及其简要说明罗列如下：

//文件打开，完成文件打开（在文件不存在时可创建文件），依赖于文件中模式的不同而具有不同的操作
resource fopen ( string $filename , string $mode [, bool $use_include_path = false [, resource $context ]] )
//$filename 打开或者要创建文件的路径及文件名，为了便于移植，使用反斜杠/为佳
//$mode 是文件打开的模式，有很多模式，比较常用的r，w，a，同样为了便于移植，建议mode中增加b（二进制）
//通常读文件为 rb ，写文件为 ab，分别表示以二进制读文件及以二进制向文件追加内容
//在文件打开操作过程中出现错误请首先检查文件所在的路径的权限设置

//文件操作函数

//写操作相关函数
//把$string的内容写到文件指针$handle
int fwrite ( resource $handle , string $string [, int $length ] )  
//函数是fwrite的别名函数
fputs() 

//也能完成写操作，不同的是集成了fopen(),fwrite(),fclose()，使用该函数不用再打开关闭文件
int file_put_contents ( string $filename , mixed $data [, int $flags = 0 [, resource $context ]] ) 

//读操作相关函数
//逐行读取
string fgets ( resource $handle [, int $length ] ) 
//逐行读，能够过滤标记
string fgetss ( resource $handle [, int $length [, string $allowable_tags ]] ) 
//逐行读，能够根据定界符输出到数组
array fgetcsv ( resource $handle [, int $length = 0 [, string $delimiter = ',' [, string $enclosure = '"' [, string $escape = '\\' ]]]] )
//一次性读取一个文件并将文件内容发送到标准输出，包含了文件打开与文件关闭操作
int readfile ( string $filename [, bool $use_include_path = false [, resource $context ]] )
//先要打开文件，然后将文件指针所指向的文件内容发送到标准输出
int fpassthru ( resource $handle )
//把结果发送到一个数组中
array file ( string $filename [, int $flags = 0 [, resource $context ]] )
//一次读取一个字符
string fgetc ( resource $handle )
//读取任意长度字节的内容
string fread ( resource $handle , int $length )

//文件关闭
bool fclose ( resource $handle )

//文件操作中常用的函数
//检查文件或目录是否存在
bool file_exists ( string $filename )
//获取文件大小，返回文件大小的字节数
int filesize ( string $filename )
//删除文件
bool unlink ( string $filename [, resource $context ] )
//复位文件指针位置
bool rewind ( resource $handle )
//在文件指针中定位
int fseek ( resource $handle , int $offset [, int $whence = SEEK_SET ] )

函数的具体详细的说明在php.net上可以查到，下面练习一下文件的操作，练习名称为『简易日记』，需求如下：

（1）每日记录的内容以年-月-日.txt保存在数据目录下；
（2）首页写日记，并显示以往的记录；
（3）显示单页记录内容；

日记填写界面：

具体代码如下

首页（index.php)

  
    
    
    
  
  
    
我的日记本
    
写日记
    

      
日记主题
      
      
日记内容
      
      

    
    

    
日记列表 
    

    $value" . " | ";
      }
    ?>
  

保存处理页（diaryprocessed.php)

当前不能处理您提交的日志，请稍后再试!
";
  echo "返回";
}

fwrite($fp,$output);

flock($fp,LOCK_UN);

fclose($fp);

echo '日记提交成功!';
echo "返回";

查看内容页（viewdiary.php)

  
    
    
    
  
  
    写日记
    

    
  

所有源文件下载：diary

-EOF-