phpquery中文手册

【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’;

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)

$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


?>

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】

    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")

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("<p>Hello Again</p>");

【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.");

【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("<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"))

[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>"; ?>---------------------