Skip to content

README.md

Latest commit

 

History

History
78 lines (45 loc) · 1.73 KB

README.md

File metadata and controls

78 lines (45 loc) · 1.73 KB

php-html-analyzer

php HTML文档分析类

介绍

php 实现的 HTML 文档分析类，用于分析 HTML 文档，根据配置获取内容中所需数据，例如：url, email, image 等

功能

  • 获取 HTML 文档中的 Email 集合

  • 获取 HTML 文档中的 URL 集合

  • 获取 HTML 文档中的图片集合

  • 获取 HTML 文档中的 CSS 集合

类说明

Document HtmlAnalyzer/Document.php

HTML 文档结构

Analyzer HtmlAnalyzer/Analyzer.php

HTML 文档分析器（代码入口）

Type HtmlAnalyzer/Type.php

支持的 HTML 文档解析类型

IParser HtmlAnalyzer/DocumentParser/IParser.php

HTML 文档解析器接口

EmailParser HtmlAnalyzer/DocumentParser/EmailParser.php

Email 解析器，用于获取 HTML 文档中的 Email 集合

UrlParser HtmlAnalyzer/DocumentParser/UrlParser.php

Url 解析器，用于获取 HTML 文档中的 URL 集合

ImageParser HtmlAnalyzer/DocumentParser/ImageParser.php

图片解析器，用于获取 HTML 文档中的图片集合

CssParser HtmlAnalyzer/DocumentParser/CssParser.php

CSS 解析器，用于获取 HTML 文档中的 CSS 集合

演示

$url = 'https://www.sina.com.cn';
$doc = file_get_contents($url);
$document = new \HtmlAnalyzer\Document($url, $doc);

$analyzer = new \HtmlAnalyzer\Analyzer($document);
$emails = $analyzer->getResource(\HtmlAnalyzer\Type::EMAIL);
$urls = $analyzer->getResource(\HtmlAnalyzer\Type::URL);
$images = $analyzer->getResource(\HtmlAnalyzer\Type::IMAGE);
$css = $analyzer->getResource(\HtmlAnalyzer\Type::CSS);

print_r($emails);
print_r($urls);
print_r($images);
print_r($css);

更多功能演示可参考单元测试代码 HtmlAnalyzer Unit Test