php如何阅读html_PHP中读取/解析HTML内容（DOMDocument）方法
DOMDocument可解析HTML字符串或文件，结合DOMXPath提取元素，需处理编码避免乱码。1.用loadHTML()加载字符串并禁用隐式标签；2.用loadHTMLFile()读取本地文件或file_get_contents()获取远程内容；3.DOMPXPath支持CSS选择器式查询，如按class或id提取节点；4.中文乱码可通过mb_convert_encoding或添加meta charset解决。
在PHP中读取和解析HTML内容，DOMDocument 是一个非常实用的内置类。它能将HTML字符串或文件加载为结构化的文档对象模型（DOM），便于遍历、修改和提取所需数据。
1. 使用 DOMDocument 加载 HTML 字符串
如果已有HTML内容（如从网络请求获取的页面源码），可以直接用 loadHTML() 方法加载：
$html = '这是第一段
这是第二段
'; $dom = new DOMDocument(); // 加载HTML，禁用内部错误避免警告 libxml_use_internal_errors(true); $dom->loadHTML($html, LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD); libxml_clear_errors(); // 获取所有 p 标签 $paragraphs = $dom->getElementsByTagName('p'); foreach ($paragraphs as $p) { echo$p->nodeValue . "\n"; // 输出：这是第一段 这是第二段 }
$p->nodeValue . "\n"; // 输出：这是第一段 这是第二段
}
注意：使用 LIBXML_HTML_NOIMPLIED 和 LIBXML_HTML_NODEFDTD 可防止自动添加 html、body 等隐式标签，保持原始结构。
2. 读取本地或远程HTML文件
若需解析本地保存的HTML文件，可用 loadHTMLFile() 方法：
$dom = new DOMDocument();
libxml_use_internal_errors(true);
if ($dom->loadHTMLFile('example.html')) {
$titles = $dom->getElementsByTagName('h1');
foreach ($titles as $title) {
echo $title->nodeValue . "\n";
}
} else {
echo "无法加载文件";
}
对于远程URL，建议先用 file_get_contents() 获取内容再加载：
$url = 'https://example.com/page.html'; $html = file_get_contents($url); $dom = new DOMDocument(); libxml_use_internal_errors(true); $dom->loadHTML($html, LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD);
3. 提取特定元素（如 class 或 id）
DOMDocument 本身不支持CSS选择器，但可结合 DOMXPath 实现灵活查询：
$dom = new DOMDocument();
libxml_use_internal_errors(true);
$dom->loadHTML($html, LIBXML_HTML_NOIMPLIED);
$xpath = new DOMXPath($dom);
// 查找 class="content" 的元素
$nodes = $xpath->query('//div[@class="content"]');
foreach ($nodes as $node) {
echo $node->textContent;
}
// 查找 id="main"
$main = $xpath->query('//[@id="main"]')->item(0);
if ($main) {
echo $main->nodeValue;
}
4. 处理中文乱码问题
若HTML含中文出现乱码，确保在加载前声明编码：
$html = mb_convert_encoding($html, 'HTML-ENTITIES', 'UTF-8'); $dom->loadHTML($html, LIBXML_HTML_NOIMPLIED);
或在HTML开头添加编码声明：
$html = '' . $html;基本上就这些。DOMDocument 配合 DOMXPath 能高效解析结构化HTML，适合做网页抓取、内容提取或模板处理。虽语法略底层，但稳定且无需额外扩展。
