php 8.6可以用dom\htmldocument解析html,再通过queryselector()提取第一个匹配元素。接口属于现代dom api,在php 8.4已经引入,不应写成8.6新功能。下面处理代码内固定的utf-8片段,分别检查缺失字段和空文字,不抓取外部网址,也不执行页面脚本。

Dom HTMLDocument官方手册中的createFromString参数与解析行为
从固定HTML提取一个结构化记录
<?php if (!class_exists(Dom\HTMLDocument::class)) throw new RuntimeException('需要现代DOM扩展');
$html = '<!doctype html><meta charset="utf-8">'
. '<article class="entry"><h1>中文标题</h1>
<span class="code">A-07</span></article>'
. '';
$doc = Dom\HTMLDocument::createFromString($html, 0, 'UTF-8');
$entry = $doc->querySelector('article.entry');
if ($entry === null) throw new RuntimeException('没有找到文章节点');
$title = $entry->querySelector('h1');
$code = $entry->querySelector('.code');
if ($title === null || $code === null) throw new RuntimeException('缺少必要字段');
$record = ['title' => trim($title->textContent), 'code' => trim($code->textContent)];
if ($record['title'] === '' || $record['code'] === '') throw new RuntimeException('字段为空');
echo json_encode($record, JSON_UNESCAPED_UNICODE | JSON_THROW_ON_ERROR), PHP_EOL;
先定位article再在该节点内部选择字段,可以避免误取页面其他区域的同名元素。querySelector()只返回首个匹配项;需要列表时应明确使用querySelectorAll()并逐项处理,不能把首个结果当成全部内容。

CSS选择器官方手册区分无匹配返回null与无效选择器异常
提取纯文字不等于清洗HTML
textContent给出节点文字,但不会自动进行业务长度、唯一性或可信度判断。将提取结果重新展示到HTML时,仍需按输出位置转义。选择器字符串不合法会抛出DOMException,应在配置校验阶段发现;不要通过捕获所有异常并返回空数组,把页面结构变化静默隐藏。
Lightning CSS 是由 Parcel 团队开发的基于 Rust 的 CSS 解析器、转换器、打包工具和压缩工具。此技能适用于需要优化样式表、为目标浏览器降低现代 CSS 语法以及将快速 CSS 处理集成到构建或重构工作流中的代理。
解析器可能按HTML规则修正不完整标记,提取程序因此需要固定样例和结构断言。需要处理远端页面时,下载、重定向、体积和访问权限应由独立受控网络层负责;本例不把语法解析能力当成网络安全策略或富文本过滤器。
php免费学习视频:立即使用
踏上前端学习之旅,开启通往精通之路!从前端基础到项目实战,循序渐进,一步一个脚印,迈向巅峰!










