Parseador simple para HTML/DOM en PHP

SimpleHTMLDom. Documentación. Descargar.

Se trata de un parseador implementado en PHP5+ que facilita enormemente manipular código HTML. Soporta HTML inválido y es capaz de encontrar etiquetas en una página HTML con selectores del estilo de jQuery.

Ejemplos:

• Obtener elementos de HTML
  

  // Leer el DOM a partir de la URL
  $html = file_get_html('http://www.google.com/');
  
  // Encuentra todas las imágenes
  foreach($html->find('img') as $element)
         echo $element->src . '
  ';
  
  // Encuentra todos los enlaces
  foreach($html->find('a') as $element)
         echo $element->href . '
  ';
  

• Modificar elementos HTML
  

  // Crea una estructura DOM a partir de una cadena
  $html = str_get_html('
  
  
  Hola
  
  Mundo
  ');
  
  $html->find('div', 1)->class = 'barra';
  
  $html->find('div[id=hola]', 0)->innertext = 'tonta';
  
  echo $html; // Lo que genera: 
  
  
  tonta
  
  mundo
  

• Extrae contenido desde HTML
  

  // Vuelca el contenido (sin etiquetas) de HTML, o sea, convertir a texto
  echo file_get_html('http://www.google.com/')->plaintext;
  

• Filtrado del código HTML de SlashDot.org
  

  // Leer el DOM a partir de la URL
  $html = file_get_html('http://slashdot.org/');
  
  // Encontrar todos los bloques de artículos
  foreach($html->find('div.article') as $article) {
      $item['title']     = $article->find('div.title', 0)->plaintext; // extrae el título
      $item['intro']    = $article->find('div.intro', 0)->plaintext;  // extrae la intro
      $item['details'] = $article->find('div.details', 0)->plaintext; // extrae los detalles
      $articles[] = $item;
  }
  
  print_r($articles);