PHP:
HTML Parsen
Hoe:
PHP heeft een aantal ingebouwde bibliotheken om HTML te parsen, zoals DOMDocument. Hier is een eenvoudig gebruiksvoorbeeld:
<?php
$htmlString = '<!DOCTYPE html><html><body><h1>Hallo, Wereld!</h1></body></html>';
$dom = new DOMDocument();
@$dom->loadHTML($htmlString); // '@' onderdrukt waarschuwingen veroorzaakt door ongeldige HTML-structuren
$h1Tags = $dom->getElementsByTagName('h1');
foreach ($h1Tags as $tag) {
echo $tag->nodeValue; // Uitvoer: Hallo, Wereld!
}
?>
Dit script geeft uit: Hallo, Wereld!
Diepere Duik
Terug in de vroege dagen van het web, gebruikten we regex en ad-hoc oplossingen om HTML te grijpen, maar het was rommelig. Enter DOMDocument en SimpleXMLElement, met behoorlijke HTML- en XML-parsing sinds PHP 5. Ze stellen je in staat om HTML te navigeren en manipuleren als een boomstructuur.
Tegenwoordig, terwijl DOMDocument je eerste keuze is voor interne parsing, bieden alternatieven zoals SimpleHTMLDom en phpQuery extra syntactische suiker en kunnen ze vriendelijker zijn voor degenen die uit een JavaScript/jQuery-achtergrond komen.
Intern converteert DOMDocument HTML naar een DOM-boom, waardoor het eenvoudig is om specifieke elementen te benaderen, attributen te wijzigen en zelfs het document ter plekke te modificeren. Een cool aspect van DOMDocument is de tolerantie voor slechte HTML, het opruimen ervan en je laten werken met echte webpagina’s die niet altijd perfect geformatteerd zijn.