PHP解析修改HTML：DOM操作全攻略

PHP中处理HTML文档的常用方法是使用DOM扩展。1. 首先通过DOMDocument对象加载HTML内容，可从文件、字符串或远程URL读取；2. 接着利用DOMXPath类结合XPath语法查找所需节点；3. 然后对节点进行内容或属性修改，支持新增或删除节点；4. 最后通过saveHTML()方法输出修改后的HTML内容。这种方式结构清晰、操作灵活，适用于网页抓取和结构化处理。

在PHP中处理HTML文档时，DOM扩展是一个非常实用的工具。它不仅可以解析HTML，还能让你像操作结构化数据一样去修改和遍历文档内容。如果你需要抓取网页内容并进行结构调整、标签替换或属性提取，用DOM来操作是最合适的选择。

1. 如何加载HTML文档

要使用DOM操作HTML，第一步是把HTML内容载入到DOMDocument对象中。你可以从字符串、文件甚至远程URL读取内容。

$doc = new DOMDocument();
@$doc->loadHTMLFile('example.html'); // 加载本地HTML文件
// 或者从字符串加载
$html = '
Hello World
';
$doc->loadHTML($html);

注意：加载HTML时可能会报错，因为很多HTML页面并不是严格的XHTML格式。为了不让警告打断程序执行，可以在前面加@符号抑制错误。

你也可以通过file_get_contents()配合loadHTML()实现更灵活的加载方式，比如从网络请求获取HTML内容：

$html = file_get_contents('https://example.com');
$doc->loadHTML($html);

2. 使用DOMXPath查找节点

一旦HTML被加载进DOMDocument，接下来常用的方式是通过DOMXPath来查询你需要的节点。

$xpath = new DOMXPath($doc);
$nodes = $xpath->query('//div[@class="content"]');

这样就可以获取所有class为content的div元素。XPath语法很强大，支持各种条件匹配，比如：

• //a 获取所有链接
• //input[@type="text"] 获取所有文本框
• //title/text() 获取网页标题文字

获取到节点后，可以对它们进行操作，比如修改内容、添加属性等。

3. 修改HTML节点内容和属性

找到目标节点之后，可以通过DOM方法来修改内容或属性。

比如，修改某个节点的文本内容：

foreach ($nodes as $node) {
    $node->nodeValue = '这是新内容';
}

如果是想修改节点的属性，可以用如下方式：

foreach ($xpath->query('//img') as $img) {
    $img->setAttribute('alt', '图片描述');
}

还可以创建新节点并插入到文档中：

$newParagraph = $doc->createElement('p', '新增段落');
$doc->getElementsByTagName('body')->item(0)->appendChild($newParagraph);

这些操作都比较直观，只要理解了节点树的结构，就能自由地增删改查。

4. 输出修改后的HTML

完成所有修改后，最终一步就是输出结果。可以使用saveHTML()方法将整个文档或某个节点转换回HTML字符串。

echo $doc->saveHTML(); // 输出完整HTML
// 或者只输出某个节点的内容
echo $doc->saveHTML($node);

如果你想保存到文件中也很简单：

file_put_contents('modified.html', $doc->saveHTML());

基本上就这些。PHP的DOM操作虽然看起来有点底层，但胜在稳定可靠，特别适合做爬虫、内容提取、模板替换等工作。只要熟悉XPath和基本的DOM方法，处理HTML就会变得轻松许多。