simple_html_dom轻量级网页解析库

 

 

simple_html_dom是一个开源的轻量级网页解析器，此库支持的选择器不是特别多，但配合一下php自带的字符串处理函数使用已经绰绰有余。这是一个中文文档。

http://www.ecartchina.com/php-simple-html-dom/manual.htm

 

此库多资源占用也不是很多，我写的一个小程序，使用apache+mysql解析一个复杂的网页，apache只占27M内存，资源占用的表现上很满意。这个库同样有其他库共有的中文乱码问题，解析gbk编码时，tag里边的中文被解析为乱码。但是如果使用innertext输出，就不是乱码了。

大部分时候，遇到奇形怪状的网页本库都能很好的解析，但遇到个别极端情况也不一定非得找正则。这时候可以调用php自带的字符串处理函数解决大部分问题。毕竟正则引擎太耗费资源了。

能用的的几个函数为: strrchr，explode，strpos，substr.

 

$page_pos= strpos($html_content, "当前页：");
if($page_pos==false)
{
$pages=1;
}
else
{
$pages= strchr($html_content, "当前页");
//echo $pages;
$items= explode('/', $pages);
$items= explode(" 第", $items[1]);
$pages=$items[0];
}

$html_content为一个div的innertext.