【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'; 12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$html是html格式的字符串或则代码；- 第一行
- 第二行
phpQuery::newDocument（$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$();。主要分两部分：即选择器和过滤器4 选择器【基本选择器】 #id 根据给定的ID属性匹配单个元素。 element 根据给定的名称匹配所有符合的元素。 .class 根据给定的class匹配所有的元素。 * 选择所有元素。 selector1, selector2, selectorN 根据所有制定的选择器匹配结合结果 选择结果是取并集/* 基本选择器*/1) #id pq("#myDiv");2) element pq("div");3) .class pq(".myClass");4) * pq("*")5) selector1,selectorN pq("div,span,p.myClass") /* 层次选择器*/1) ancestor descendant pq("form input")2) parent > child pq("form > input")3) prev + next pq("label + input")4) prev ~ siblings pq("form ~ input") 5 过滤器
【基础过滤 】 :first 匹配第一个被选择的元素。 :last 匹配最后一个被选择的元素。 :not(selector) 匹配所有不是被选择的元素。 :even 匹配所有被选择的偶数元素，0索引。 :odd 匹配所有被选择的奇数元素，0索引。 :eq(index) 匹配等同于给定的索引的元素。 :gt(index) 匹配大于给定的索引的元素。 :lt(index) 匹配小于给定的索引的元素。 :header 匹配所有header元素，如h1,h2,h3等。 :animated 匹配正在进行动画效果的元素。/*基础过滤*/1) :first pq("tr:first")2) :last pq("tr:last")3) :not(selector) pq("input:not(:checked)")4) :even pq("tr:even")5) :odd pq("tr:odd")6) :eq(index) pq("tr:eq(1)")7) :gt(index) pq("tr:gt(0)")8) :lt(index) pq("tr:lt(2)")9) :header pq(":header").css("background", "#EEE"); 【内容过滤】
:contains(text) 匹配包含指定文本的元素。 :empty 匹配所有无子节点的元素（包括文本节点）。 :has(selector) 匹配至少包含一个对于给定选择器的元素。 :parent 匹配所有父元素 - 拥有子元素的，包括文本。/*内容过滤*/1) :contains(text) pq("div:contains('John')")2) :empty pq("td:empty")3) :has(selector) pq("div:has(p)").addClass("test");4) :parent pq("td:parent") 【属性过滤】
[attribute] 匹配给定属性的元素。 [attribute=value] 匹配给定属性等于确定值的元素。 [attribute!=value] 匹配给定属性不等于确定值的元素。 [attribute^=value] 匹配给定属性是确定值开始的元素。 [attribute$=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$='man']") 【子元素过滤 】
:nth-child(index/even/odd/equation) 匹配所有是父元素的第n个的子元素，或者是父元素的偶数或者奇数子元素。 :first-child 匹配所有是父元素的第一个的子元素。 :last-child 匹配所有是父元素的最后一个的子元素。 :only-child 匹配所有是父元素唯一子元素的子元素。1) :nth-child(index/even/odd/equation) pq("ul li:nth-child(2)")2) :first-child pq("ul li:first-child")3) :last-child pq("ul li:last-child")4) :only-child pq("ul li:only-child") 【基于表单 】
:input 匹配input, textarea, select和button元素。 :text 匹配所有类型为text的input元素。 :password 匹配所有类型为password的input元素。 :radio 匹配所有类型为radio的input元素。 :checkbox 匹配所有类型为checkbox的input元素。 :submit 匹配所有类型为submit的input元素。 :image 匹配所有类型为image的input元素。 :reset 匹配所有类型为reset的input元素。 :button 匹配所有类型为button的input元素和button元素。 :file 匹配所有类型为file的input元素。 :hidden 匹配所有类型为hidden的input元素或者其他hidden元素。1) :input pq(":input")2) :text pq(":text")3) :password pq(":password")4) :radio pq(":radio")5) :checkbox pq(":checkbox")6) :submit pq(":submit")7) :image pq(":image")8) :reset pq(":reset")9) :button pq(":button")10) :file pq(":file")11) :hidden pq("tr:hidden") 【表单过滤 】
:enabled 匹配所有可用元素。 :disabled 匹配所有不可用元素。 :checked 匹配所有被勾选的元素。 :selected 匹配所有被选择的元素。1) :enabled pq("input:enabled")2) :disabled pq("input:disabled")3) :checked pq("input:checked")4) :selected pq("select option:selected") 【attr属性获取】
attr($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"); 【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($val) 对匹配到的元素设置html内容。这个方法不适用于XML文本（但适用于XHTML。）1) html() pq("div")->html();2) html(val) pq("div")->html("Hello Again
"); 【text获取】
text() 获取匹配到的所有元素的文本内容。 text($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("Some 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。1) val() pq("input")->val();2) val(val) pq("input")->val("hello world!") 【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("");9) add(expr) pq("p")->add("span")10) children([expr]) pq("div")->children()11) contents() pq("p")->contents()->not("[@nodeType=1]").wrap("");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("Hello");2) appendTo(content) pq("p")->appendTo("#foo");3) prepend(content) pq("p")->prepend("Hello");4) prependTo(content) pq("p")->prependTo("#foo");5) after(content) pq("p")->after("Hello");6) before(content) pq("p")->before("Hello");7) insertAfter(content) pq("p")->insertAfter("#foo");8) insertBefore(content) pq("p")->insertBefore("#foo");9) wrap(html) pq("p")->wrap(" ");10) wrap(elem) pq("p")->wrap(pq("#content"));11) wrapAll(html) pq("p")->wrapAll(" ");12) wrapAll(elem) pq("p")->wrapAll(pq("#content"));13) wrapInner(html) pq("p")->wrapInner("");14) wrapInner(elem) pq("p")->wrapInner(pq(".content"));15) replaceWith(content) pq("p")->replaceWith("Paragraph. ");16) replaceAll(selector) pq("Paragraph. ")->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")) [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 html()."";echo pq("title",$eg1->getDocumentID())->html()."";//$eg1与$eg1->getDocumentID()效果等同echo pq("title")->html()."";//就近匹配 $eg2phpQuery::selectDocument($eg1); //默认会使用选定的文档echo pq("title")->html()."";// $mes=pq("ul")->html();//获取所有的ul标签中的html内容// echo $mes;// echo "___________________";// $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 $t."";$t=pq("(ul[class='article']>li:eq(2)>center>div:eq(1))")->html();echo $t."";$t=pq("(ul[class='article']>li:eq(3)>div[class='col-xs-12 col-sm-6 col-md-6']>a")->html();echo $t."";$t=pq("(ul[class='article']>li:eq(3)>div[class='col-xs-12 col-sm-6 col-md-6']>a")->attr("href");echo $t."";?>--------------------- 作者：Casionx
来源：CSDN 原文：https://blog.csdn.net/summerxiachen/article/details/78681674 版权声明：本文为博主原创文章，转载请附上博文链接！