htmlSQLよりアツい!?jQueryみたいにセレクタでHTMLをparse(解析)する「PHP Simple HTML DOM Parser」 | ITキヲスク

今週はてブでも大人気を博した記事「真面目にエロサイトを作ってみた【プログラマ編】｜ASTRODEO」や、IDEA*IDEAさんでも紹介されていた、PHPでHTMLをparseするライブラリ「htmlSQL」ですが、解析するHTMLを指定するにはSQLちっくな書き方をするので、SQL自体に触れる機会の少ない方には手を出しにくいシロモノです。

SQLわかんないです＞＜ もっとカンタンにparseしたいぉ☆ってゆー方に全力でゴリ押ししたいのが、今回紹介するMITライセンスのPHPライブラリ「PHP Simple HTML DOM Parser」です！

PHP5で書かれたこの「PHP Simple HTML DOM Parser」の最大の特徴は、解析したいHTMLをセレクタで指定できるってトコ。そう、まるでjQueryのように。

そんなワケで今回のエントリーは、jQueryみたいにセレクタでHTMLをparseできるお手軽PHPライブラリ「PHP Simple HTML DOM Parser」のご紹介です。

セレクタでHTMLをparseする「PHP Simple HTML DOM Parser」

1.使用するための準備

まずは今回の主人公を狩りに行きましょう。

SourceForge.netの「PHP Simple HTML DOM Parserページ」に行き、緑色のDownloadボタンをクリックすれば自動でダウンロードが開始されます。

落としたフォルダ内の「simple_html_dom.php」ってのが主人公の彼で、他は全部サンプルとかマニュアルとかのファイルになります。

なので、実際に使う際はこの「simple_html_dom.php」だけをアップロードしてください。

2.全体的な基本設定と使用方法

例えば、mixiのトップページにあるロゴ画像を取得したい場合は、下記のように書きます。

<?php
include('../simple_html_dom.php');
$html = file_get_html('http://mixi.jp/home.pl');

foreach($html->find('#headerArea h1 a img') as $e)
    echo $e->outertext;
?>

いやー、なんてjQuery。

２行目でsimple_html_dom.phpを読み込み、３行目で取得したいページのURLを記述します。

で、５行目のfind()の中に、jQueryのような感じで「取得したい部分」を記述します。

あとは６行目で取得する範囲を「outertext」ってカタチで選んでいます。

取得する範囲の指定は、innertext（”取得したい部分”を含まない）、outertext（”取得したい部分”を含む）、plaintext（”取得したい部分”のテキストだけを取得する）といった感じで指定してきます。

例えば下記のように記述すれば、Yahoo画像検索の結果を抽出するコトも余裕で可能です。

<?php
include('../simple_html_dom.php');
$html = file_get_html('http://image-search.yahoo.co.jp/search?ei=UTF-8&fr=top_ga1_sa&p=sexy');

foreach($html->find('#yschres .grid img') as $e)
    echo $e->outertext;
?>

ね？ヤバくね？

3.全体的な基本設定と使用方法

他にも詳しい説明や使い方などは、PHP Simple HTML DOM Parserマニュアルページにてご確認下さい。

idやclassは”div[id=○○○]”みたいな書き方での指定もできるみたいですし、「取得したい部分」のタグ自体を取り出すコトもできるみたいです。

4.最後に

コレを上手に使えば、結構いろんなWEBサービスのネタをカタチにできるんじゃないでしょーか。

現在進行中のプロジェクトですので、もしバグ等を発見した場合はぜひ報告して、より良い未来を築き上げていこうじゃありませんか諸君！

なにはともあれ、このような偉大なライブラリの作者方にご加護と栄光あれ！

PHP Simple HTML DOM Parser