如何在 PHP 中“读取”HTML 文档？答案

【问题标题】：How to "read" a HTML document in PHP?如何在 PHP 中“读取”HTML 文档？
【发布时间】：2012-03-07 15:56:13
【问题描述】：

我在很长一段时间内都面临着一个问题。不幸的是，我无法自己找到解决方案，所以我必须在这里发布我的问题。

我正在编写一个从动态创建的 HTML 文件创建 PDF 文件的小 php 脚本。

现在我想“解析” html 文件并执行一个动作来确定 HTML 中的下一个标签。

例如

<div><p>Test</p></div>

我的脚本应该能识别：

第一个标签是一个 div：为 div 做函数第二个标签是 p: do function for p

我不知道我应该搜索什么。常用表达？ HTML 解析器？

感谢您的提示！

【问题讨论】：

【解决方案1】：

尝试使用 XML 解析器。在 PHP 中，SimpleXML 可能是您正在寻找的。

【讨论】：

【解决方案2】：

我用过几次phpQuery。这是一个不错的解决方案，虽然它相当大并且似乎不再受支持（最后一次提交 > 10 个月）。

【讨论】：

【解决方案3】：

【讨论】：

@simplemotives 虽然这不是最佳实践，但在我相信组合买单之后，在做 OP 的 hacky 事情时。如果 OP 可以控制系统的两端（HTML 创建和 PDF 创建），那么实际的 html 文件可以以符合标准的方式编写，因此可以使用良好的 RegEx 进行解析
我还是不同意。即使 OP 控制 HTML，他可能仍然有多个标签变体，这使正则表达式解析变得复杂。即使这是一个 hacky 脚本，也有一些 dom 库可以让这变得更容易。 simplehtmldom.sourceforge.net 包含lib，加载html，使用选择器获取你想要的元素，避免复杂化。
同意，但你有什么建议？ @xato 建议的解析器？如果是这样，是哪一个？我认为任何第三方解析器内部仍会使用某种形式的表达式匹配，这不是对的吗？话又说回来，这不是我的专业领域！ :)

Heading