DOMDocument

DOMDocument — класс для работы с XML-документами.

Данный инструмент удобно использовать, когда вам необходимо парсить xml/html-документы.

Простой пример использования класса DOMDocument:

$dom = new DOMDocument();
$dom->loadHTML( $html );
$dom->saveHTML();

Рассмотрим основные ошибки и сложности с которыми можно столкнуться:

• Кодировка
• Невалидный документ
• Выбор елементов
• Удаление елементов

Кодировка

Для начала документ нужно загрузить с корректной кодировка. В случае, если мы работает не со всей страницей, а например с каким-то блоком, то элементов head и body нет и соответственно тега для указания кодировка тоже нет. DOMDocument доставит теги head и body самостоятельно, но кодировку нам нужно будет указать самостоятельно:

$dom->loadHTML( '<meta charset="utf-8">' . $html );
// OR
$dom->loadHTML( '<?xml encoding="utf-8" ?>' . $html );

Так же документ необходимо правильно сохранить:

$dom->saveHTML( $dom->documentElement );

Иногда нам нужно на выходе получить конкретный елемент, а не весь документ, то мы так же можем это сделать:

$dom->saveHTML( $dom->getElementById( 'element' ) );

Если нужно получить всю контентную часть тогда сохранение будет выглядеть примерно так:

$html = '';
$body_items = $dom->getElementsByTagName( 'body' )->item( 0 )->childNodes;
foreach ( $body_items as $node ) {
	$html .= $dom->saveHTML( $node );
}

Иногда приходится работать с невалидными документами. При загрузке DOMDocument исправит разметку. Можно убрать warnings с помощью следующей конструкции:

libxml_use_internal_errors( true );
$dom->loadHTML( $html );
libxml_clear_errors();

Выборки

Простые выборки можно сделать с помощью методов DOMDocument:

public getElementById ( string $elementId ) : DOMElement
public getElementsByTagName ( string $name ) : DOMNodeList
public getElementsByTagNameNS ( string $namespaceURI , string $localName ) : DOMNodeList

Любые выборки можно сделать с помощью объекта класса DOMXPath, который реализовывает спецификацию XPath:

XPath — не так прост, чем привычные всем CSS-селекторы, но XPath мощнее и может включать в себя функции, операторы сравнении, поиск элемента с дочерним элементом и другое.

Примеры функций XPath:

• contains()
• text()
• starts-with()
• sum()
• count()

Проблема удаления

Если мы хотим удалить узел, то весь документ перестраивается. Следующий код отработает правильно только при первом удалении.

foreach( $elements as $element ) {
    $element->parentNode->removeChild($href);
}

Решением является перебор елементов начиная с конца массива:

for ( $i = $elements->length; --$i >= 0; ) {
    $element = $elements->item($i);
    $element->parentNode->removeChild($href);
}