登录  注册 退出
苏杭php自学网
记录个人学习过程中碰见的问题和感受
要温柔,也要有屠龙的勇气
本站有学习资源,可自由下载学习资料
  1. 首页 > PHP自学教程

phpQuery 文档手册教程

作者:苏杭 日期:2021-04-08 17:47:12 点击数:

【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 

下载连接点击下载


include 'phpQuery/phpQuery.php'; 

1

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)

1

$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



?>

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

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*/

1)  #id                     pq("#myDiv");

2)  element                 pq("div"); 

3)  .class                  pq(".myClass"); 

4)  *                       pq("*") 

5)  selector1,selectorN     pq("div,span,p.myClass")

1

2

3

4

5

6

【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*/

1)  ancestor descendant     pq("form input") 

2)  parent > child          pq("form > input") 

3)  prev + next             pq("label + input") 

4)  prev ~ siblings         pq("form ~ input")

1

2

3

4

5

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*/

1)  :first                  pq("tr:first") 

2)  :last                   pq("tr:last") 

3)  :not(selector)          pq("input:not(:checked)") 

4)  :even                   pq("tr:even") 

5)  :odd                    pq("tr:odd") 

6)  :eq(index)              pq("tr:eq(1)")

7)  :gt(index)              pq("tr:gt(0)") 

8)  :lt(index)              pq("tr:lt(2)")

9)  :header                 pq(":header").css("background", "#EEE");

1

2

3

4

5

6

7

8

9

10

【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*/

1)  :contains(text)         pq("div:contains('John')") 

2)  :empty                  pq("td:empty") 

3)  :has(selector)          pq("div:has(p)").addClass("test"); 

4)  :parent                 pq("td:parent")

1

2

3

4

5

【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。

1)  [attribute]             pq("div[id]") 

2)  [attribute=value]       pq("input[name='newsletter']").attr("checked", true); 

3)  [attribute!=value]      pq("input[name!='newsletter']").attr("checked", true); 

4)  [attribute^=value]      pq("input[name^='news']")

5)  [attribute$=value]      pq("input[name$='letter']")

6)  [attribute*=value]      pq("input[name*='man']")

7)  [selector1][selectorN]  pq("input[id][name$='man']")

1

2

3

4

5

6

7

【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。

1)  :nth-child(index/even/odd/equation) pq("ul li:nth-child(2)")

2)  :first-child                        pq("ul li:first-child")

3)  :last-child                         pq("ul li:last-child")

4)  :only-child                         pq("ul li:only-child")

1

2

3

4

【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。

1)  :input                  pq(":input")

2)  :text                   pq(":text")

3)  :password               pq(":password")

4)  :radio                  pq(":radio")

5)  :checkbox               pq(":checkbox")

6)  :submit                 pq(":submit")

7)  :image                  pq(":image")

8)  :reset                  pq(":reset") 

9)  :button                 pq(":button")

10) :file                   pq(":file")

11) :hidden                 pq("tr:hidden")

1

2

3

4

5

6

7

8

9

10

11

【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。

1)  :enabled                pq("input:enabled")

2)  :disabled               pq("input:disabled")

3)  :checked                pq("input:checked")

4)  :selected               pq("select option:selected")

1

2

3

4

【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。

1)  attr                    pq("img")->attr("src");

2)  attr(properties)        pq("img")->attr({ src: "test.jpg", alt: "Test Image" });

3)  attr(key,value)         pq("img")->attr("src","test.jpg");

4)  attr(key,fn)            pq("img")->attr("title", function() { return this.src });

5)  removeAttr(name)        pq("img")->removeAttr("src");

6)  addClass(class)         pq("p")->addClass("selected");

7)  removeClass(class)      pq("p")->removeClass("selected");

8)  toggleClass(class)      pq("p")->toggleClass("selected");

1

2

3

4

5

6

7

8

【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>");

1

2

【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。

1) text()                  pq("p")->text();

2) text(val)               pq("p")->text("<b>Some</b> new text.");

1

2

【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。

1) val()                   pq("input")->val();

2) val(val)                pq("input")->val("hello world!");

1

2

【其他筛选和文档处理】


\*筛选*\

1)  eq(index)               pq("p")->eq(1)

2)  hasClass(class)         pq("div")->hasClass("protected")

3)  filter(expr)            pq("p")->filter(".selected") 

4)  filter(fn)              pq("p")->filter(function($index) {

                              return pq("ol", pq($index))->size() == 0;

                            }); 

5)  is(expr)                pq("input[type='checkbox']")->parent()->is("form")

6)  map(callback)           pq("p")->append(pq("input").map(function(){

                              return pq(this)->val();

                            })->get()->join(", "));

7)  not(expr)               pq("p")->not(pq("#selected")[0])

8)  slice(start,[end])      pq("p")->slice(0, 1)->wrapInner("<b></b>");

9)  add(expr)               pq("p")->add("span")

10) children([expr])        pq("div")->children()

11) contents()              pq("p")->contents()->not("[@nodeType=1]").wrap("<b/>");

12) find(expr)              pq("p")->find("span")

13) next([expr])            pq("p")->next()

14) nextAll([expr])         pq("div:first")->nextAll()->addClass("after");

15) parent([expr])          pq("p")->parent()

16) parents([expr])         pq("span")->parents()

17) prev([expr])            pq("p").prev()

18) prevAll([expr])         pq("div:last")->prevAll()->addClass("before"); 

19) siblings([expr])        pq("div")->siblings()

20) andSelf()               pq("div")->find("p")->andSelf()->addClass("border");

21) end()                   pq("p")->find("span")->end()


\*文档处理*\

1)  append(content)         pq("p")->append("<b>Hello</b>");

2)  appendTo(content)       pq("p")->appendTo("#foo");

3)  prepend(content)        pq("p")->prepend("<b>Hello</b>");

4)  prependTo(content)      pq("p")->prependTo("#foo");

5)  after(content)          pq("p")->after("<b>Hello</b>");

6)  before(content)         pq("p")->before("<b>Hello</b>");

7)  insertAfter(content)    pq("p")->insertAfter("#foo");

8)  insertBefore(content)   pq("p")->insertBefore("#foo");

9)  wrap(html)              pq("p")->wrap("<div class='wrap'></div>");

10) wrap(elem)              pq("p")->wrap(pq("#content"));

11) wrapAll(html)           pq("p")->wrapAll("<div></div>");

12) wrapAll(elem)           pq("p")->wrapAll(pq("#content")); 

13) wrapInner(html)         pq("p")->wrapInner("<b></b>");

14) wrapInner(elem)         pq("p")->wrapInner(pq(".content"));

15) replaceWith(content)    pq("p")->replaceWith("<b>Paragraph. </b>");

16) replaceAll(selector)    pq("<b>Paragraph. </b>")->replaceAll("p");

17) empty()                 pq("p")->empty();

18) remove([expr])          pq("p")->remove();

19) clone()                 pq("b")->clone()->prependTo("p");

20) clone(true)             pq("button")->clone(true)->insertAfter(pq("b"))

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

35

36

37

38

39

40

41

42

43

44

45

46

47

48

[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>";


?>




随便看看
QQ在线咨询
电话:
182 7047 6708
交流微信:
su18270476708