Posted in PHP onMarch 18, 2021
【简介】
phpQuery是一个基于PHP的服务端开源项目，它可以让PHP开发人员轻松处理DOM文档内容。更有意思的是，它采用了jQuery的思想，使得可以像使用jQuery一样处理页面内容，获取想要的页面信息。
【步骤】
1.引入phpquery类库
include 'phpQuery/phpQuery.php';
2加载需要获取内容的网页连接或则文档
加载文档主要通过phpQuery::newDocument()来进行操作，其作用是使得phpQuery可以在服务器预先读取到指定的文件或文本内容。
主要的常用方法包括：
phpQuery::newDocumentFile($file，$contentType = null)
$file可以是一个网址地址（带http的）或则html文件路径,如果 $contentType为空,则根据文档自动检测编码。检测失败,则对于text/html类型文档自动赋予utf-8编码。
phpQuery::newDocument($html)
$html是html格式的字符串或则代码；
<?php
header("Content-Type: text/html;charset=utf-8");
require('phpQuery/phpQuery.php');
/*通过读取URL或则文件路径 返回值是该网站或文件的html，一个网页对应着一个html文件*/
/*eg 1*/
$eg1=phpQuery::newDocumentFile("test.htm");
/*eg 2*/
$eg2=phpQuery::newDocumentFile("http://www.baidu.com");
//可以通过echo htmlentities($eg1,ENT_QUOTES,"UTF-8");查看返回值。注意htmlentities()函数可以输出原始html代码。
/*eg 3*/
//读入html
$html="<div>
<ul>
<li>第一行</li>
<li>第二行</li>
</ul>
</div";
$eg3=phpQuery::newDocument($html);//输入入参数为html
?>
phpQuery::newDocument（$file）初始加载时返回html的串后，就可以使用html操作句柄函数——pq()，通过pq()来筛选提取指定的内容。
3 pq()函数用法
pq($param, $context = null);
pq()函数的用法是phpQuery的重点，pq($xpath,$DocumentID)函数有个参数，第一个$xpath是通过html标签/类/id等定位到某一元素，$DocumentID可以看做为一个指针，指向需要查询的html文档（也就是phpQuery::newDocumentFile($file)的返回结果，如：$eg1或$eg2或$eg3——其实也就是html的context）。当同时对多个文档操作时，需要用到这个参数，如果没有给出，会自动邻近匹配匹配，因此如果只对一个文档操作时，可以省略即使用——pq($xpath）就可以。
pq(); 相当于 jQuery的$();。
主要分两部分：即选择器和过滤器
4 选择器
【基本选择器】
- #id 根据给定的ID属性匹配单个元素。
- element 根据给定的名称匹配所有符合的元素。
- .class 根据给定的class匹配所有的元素。
- * 选择所有元素。
- selector1, selector2, selectorN 根据所有制定的选择器匹配结合结果 选择结果是取并集
/* 基本选择器*/
#id pq("#myDiv");
element pq("div");
.class pq(".myClass");
* pq("*")
selector1,selectorN pq("div,span,p.myClass")
【层次选择器】
- ancestor descendant 匹配由先祖指定的元素的后代指定的所有后代元素。
- parent > child 匹配由父元素指定的子元素指定的所有子元素。
- prev + next 根据指定的”next”和指定的”prev”匹配所有的下一个元素。
- prev ~ siblings 匹配根据”prev” 元素的 所有相邻元素。
/* 层次选择器*/
ancestor descendant pq("form input")
parent > child pq("form > input")
prev + next pq("label + input")
prev ~ siblings pq("form ~ input")
5 过滤器
【基础过滤 】
- :first 匹配第一个被选择的元素。
- :last 匹配最后一个被选择的元素。
- :not(selector) 匹配所有不是被选择的元素。
- :even 匹配所有被选择的偶数元素，0索引。
- :odd 匹配所有被选择的奇数元素，0索引。
- :eq(index) 匹配等同于给定的索引的元素。
- :gt(index) 匹配大于给定的索引的元素。
- :lt(index) 匹配小于给定的索引的元素。
- :header 匹配所有header元素，如h1,h2,h3等。
- :animated 匹配正在进行动画效果的元素。
/*基础过滤*/
:first pq("tr:first")
:last pq("tr:last")
:not(selector) pq("input:not(:checked)")
:even pq("tr:even")
:odd pq("tr:odd")
:eq(index) pq("tr:eq(1)")
:gt(index) pq("tr:gt(0)")
:lt(index) pq("tr:lt(2)")
:header pq(":header").css("background", "#EEE");
【内容过滤】
- :contains(text) 匹配包含指定文本的元素。
- :empty 匹配所有无子节点的元素（包括文本节点）。
- :has(selector) 匹配至少包含一个对于给定选择器的元素。
- :parent 匹配所有父元素 - 拥有子元素的，包括文本。
/*内容过滤*/
:contains(text) pq("div:contains('John')")
:empty pq("td:empty")
:has(selector) pq("div:has(p)").addClass("test");
:parent pq("td:parent")
【属性过滤】
- [attribute] 匹配给定属性的元素。
- [attribute=value] 匹配给定属性等于确定值的元素。
- [attribute!=value] 匹配给定属性不等于确定值的元素。
- [attribute^=value] 匹配给定属性是确定值开始的元素。
- [attribute$=value] 匹配给定属性是确定值结尾的元素。
- [attribute*=value] 匹配给定属性包含确定值的元素。
- [selector1selector2selectorN] 匹配给定属性并且包含确定值的元素。
[attribute] pq("div[id]")
[attribute=value] pq("input[name='newsletter']").attr("checked", true);
[attribute!=value] pq("input[name!='newsletter']").attr("checked", true);
[attribute^=value] pq("input[name^='news']")
[attribute$=value] pq("input[name$='letter']")
[attribute*=value] pq("input[name*='man']")
[selector1][selectorN] pq("input[id][name$='man']")
【子元素过滤 】
- :nth-child(index/even/odd/equation) 匹配所有是父元素的第n个的子元素，或者是父元素的偶数或者奇数子元素。
- :first-child 匹配所有是父元素的第一个的子元素。
- :last-child 匹配所有是父元素的最后一个的子元素。
- :only-child 匹配所有是父元素唯一子元素的子元素。
:nth-child(index/even/odd/equation) pq("ul li:nth-child(2)")
:first-child pq("ul li:first-child")
:last-child pq("ul li:last-child")
:only-child pq("ul li:only-child")
【基于表单 】
- :input 匹配input, textarea, select和button元素。
- :text 匹配所有类型为text的input元素。
- :password 匹配所有类型为password的input元素。
- :radio 匹配所有类型为radio的input元素。
- :checkbox 匹配所有类型为checkbox的input元素。
- :submit 匹配所有类型为submit的input元素。
- :image 匹配所有类型为image的input元素。
- :reset 匹配所有类型为reset的input元素。
- :button 匹配所有类型为button的input元素和button元素。
- :file 匹配所有类型为file的input元素。
- :hidden 匹配所有类型为hidden的input元素或者其他hidden元素。
:input pq(":input")
:text pq(":text")
:password pq(":password")
:radio pq(":radio")
:checkbox pq(":checkbox")
:submit pq(":submit")
:image pq(":image")
:reset pq(":reset")
:button pq(":button")
:file pq(":file")
:hidden pq("tr:hidden")
【表单过滤 】
- :enabled 匹配所有可用元素。
- :disabled 匹配所有不可用元素。
- :checked 匹配所有被勾选的元素。
- :selected 匹配所有被选择的元素。
:enabled pq("input:enabled")
:disabled pq("input:disabled")
:checked pq("input:checked")
:selected pq("select option:selected")
【attr属性获取】
- attr($name) 访问第一个给名称的元素的属性。这个方法可以很轻易地取得第一个匹配到的元素的属性值。如果这个元素没有对应名称的属性则返回undefined。
- attr($properties) 对于所有匹配到的元素设置对应属性。
- attr($key, $value) 对于匹配到的元素设置一个属性和对应值。
- attr($key, $fn) 对于匹配到的元素设置一个属性和需要计算的值。
- removeAttr($name) 对匹配到的元素移除给定名称的属性。
- addClass($class) 对匹配到的元素添加一个给定的类。
- hasClass($class) 如果有至少一个匹配到的元素包含给定的类则返回true。
- removeClass($class) 对匹配到的元素移除给定名称的类。
- toggleClass($class) 对匹配到的元素，如果类不存在则添加，如果存在则移除。
attr pq("img")->attr("src");
attr(properties) pq("img")->attr({ src: "test.jpg", alt: "Test Image" });
attr(key,value) pq("img")->attr("src","test.jpg");
attr(key,fn) pq("img")->attr("title", function() { return this.src });
removeAttr(name) pq("img")->removeAttr("src");
addClass(class) pq("p")->addClass("selected");
removeClass(class) pq("p")->removeClass("selected");
toggleClass(class) pq("p")->toggleClass("selected");
【HTML获取】
- html() 获取第一个匹配到的元素的html内容（innerHTML）。这个方法不适用于XML文本（但适用于XHTML。）
- html($val) 对匹配到的元素设置html内容。这个方法不适用于XML文本（但适用于XHTML。）
1) html() pq("div")->html();
2) html(val) pq("div")->html("<p>Hello Again</p>");
【text获取】
- text() 获取匹配到的所有元素的文本内容。
- text($val) 对匹配到的所有元素设置文本内容。
text() pq("p")->text();
text(val) pq("p")->text("<b>Some</b> new text.");
【Value 获取】
- val() 获取匹配到的第一个元素的value属性的值。
- val($val) 对匹配到的元素设置value值。val($val) 所有的Checks, selects, radio buttons, checkboxes,和select options都会设置相应给定的值。
val() pq("input")->val();
val(val) pq("input")->val("hello world!");
【其他筛选和文档处理】
\*筛选*\
eq(index) pq("p")->eq(1)
hasClass(class) pq("div")->hasClass("protected")
filter(expr) pq("p")->filter(".selected")
filter(fn) pq("p")->filter(function($index) {
return pq("ol", pq($index))->size() == 0;
});
is(expr) pq("input[type='checkbox']")->parent()->is("form")
map(callback) pq("p")->append(pq("input").map(function(){
return pq(this)->val();
})->get()->join(", "));
not(expr) pq("p")->not(pq("#selected")[0])
slice(start,[end]) pq("p")->slice(0, 1)->wrapInner("<b></b>");
add(expr) pq("p")->add("span")
children([expr]) pq("div")->children()
contents() pq("p")->contents()->not("[@nodeType=1]").wrap("<b/>");
find(expr) pq("p")->find("span")
next([expr]) pq("p")->next()
nextAll([expr]) pq("div:first")->nextAll()->addClass("after");
parent([expr]) pq("p")->parent()
parents([expr]) pq("span")->parents()
prev([expr]) pq("p").prev()
prevAll([expr]) pq("div:last")->prevAll()->addClass("before");
siblings([expr]) pq("div")->siblings()
andSelf() pq("div")->find("p")->andSelf()->addClass("border");
end() pq("p")->find("span")->end()
\*文档处理*\
append(content) pq("p")->append("<b>Hello</b>");
appendTo(content) pq("p")->appendTo("#foo");
prepend(content) pq("p")->prepend("<b>Hello</b>");
prependTo(content) pq("p")->prependTo("#foo");
after(content) pq("p")->after("<b>Hello</b>");
before(content) pq("p")->before("<b>Hello</b>");
insertAfter(content) pq("p")->insertAfter("#foo");
insertBefore(content) pq("p")->insertBefore("#foo");
wrap(html) pq("p")->wrap("<div class='wrap'></div>");
wrap(elem) pq("p")->wrap(pq("#content"));
wrapAll(html) pq("p")->wrapAll("<div></div>");
wrapAll(elem) pq("p")->wrapAll(pq("#content"));
wrapInner(html) pq("p")->wrapInner("<b></b>");
wrapInner(elem) pq("p")->wrapInner(pq(".content"));
replaceWith(content) pq("p")->replaceWith("<b>Paragraph. </b>");
replaceAll(selector) pq("<b>Paragraph. </b>")->replaceAll("p");
empty() pq("p")->empty();
remove([expr]) pq("p")->remove();
clone() pq("b")->clone()->prependTo("p");
clone(true) pq("button")->clone(true)->insertAfter(pq("b"))
[测试 爬取简单示例]
以武汉大学通知公告http://www.whu.edu.cn/tzgg.htm为例进行爬取测试test.php
<?php
header("Content-Type: text/html;charset=utf-8");
require('phpQuery/phpQuery.php');
$eg1=phpQuery::newDocumentFile("http://www.whu.edu.cn/tzgg.htm");
$eg2=phpQuery::newDocumentFile("https://www.baidu.com/");
echo pq("title",$eg1)->html()."<br>";
echo pq("title",$eg1->getDocumentID())->html()."<br>";//$eg1与$eg1->getDocumentID()效果等同
echo pq("title")->html()."<br>";//就近匹配 $eg2
phpQuery::selectDocument($eg1); //默认会使用选定的文档
echo pq("title")->html()."<br>";
// $mes=pq("ul")->html();//获取所有的ul标签中的html内容
// echo $mes;
// echo "<br>___________________<br>";
// $mes=pq("ul,li")->html();//获取所有的ul以及li标签中的html内容
// echo $mes;
// $t=pq("ul[class='article']")->html();//获取ul class="article"的html内容
// echo $t;
$t=pq("ul[class='article']>li:eq(2)")->html();//获取ul class="article" 下第二个子元素li的html内容
echo $t;
$t=pq("ul[class='article']>li:eq(2)>center>div:eq(1)")->html();
echo $t."<br>";
$t=pq("(ul[class='article']>li:eq(2)>center>div:eq(1))")->html();
echo $t."<br>";
$t=pq("(ul[class='article']>li:eq(3)>div[class='col-xs-12 col-sm-6 col-md-6']>a")->html();
echo $t."<br>";
$t=pq("(ul[class='article']>li:eq(3)>div[class='col-xs-12 col-sm-6 col-md-6']>a")->attr("href");
echo $t."<br>";
?>
phpquery中文手册
声明：登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。
Reply on: @reply_date@
@reply_contents@