phpQuery轻松采集网页内容

　　phpQuery是一个基于PHP的服务端开源项目，它可以使PHP开发人员轻松处理DOM文档内容，比如获取某新闻网站的头条信息。更有意思的是，它采用了jQuery的思想，你可以象使用jQuery一样处理页面内容，获取你想要的页面信息。

　　采集头条

　　先看一实例，现在我要采集新浪网国外新闻的头条，代码如下：

 <br STYLE="margin: 0px; padding: 0px;" />

include 'phpQuery/phpQuery.php'; <br STYLE="margin: 0px; padding: 0px;" />

phpQuery::newDocumentFile('http://news.sina.com.cn/china'); <br STYLE="margin: 0px; padding: 0px;" />

echo pq(".blkTop h1:eq(0)")->html(); <br STYLE="margin: 0px; padding: 0px;" />

　　简单的三行代码，就可以获取头条内容。首先在程序中收录phpQuery.php核心程序，然后调用读取目标网页，最后输出对应标签下的内容。

　　pq()是一个功能强悍的方式，跟jQuery的$()如出一辙，jQuery的选择器基本上都能使用在phpQuery上，只要把“.”变成“-&gt;”。如上例中，pq(".blkToph1:eq(0)")抓取了页面class属性为blkTop的DIV元素，并找到该DIV内部的第一个h1标签，然后用html()方法获取h1标签里的内容（带html标签），也就是我们要获取的头条信息，如果使用text()方法，则只获取头条的文本内容。当然要使用好phpQuery，关键是要找对文档中对应内容的节点。

　　采集文章列表

　　下面再来看一个事例，获取网站的blog列表，请看代码：

 <br STYLE="margin: 0px; padding: 0px;" />

include 'phpQuery/phpQuery.php'; <br STYLE="margin: 0px; padding: 0px;" />

phpQuery::newDocumentFile('http://www.helloweba.com/blog.html'); <br STYLE="margin: 0px; padding: 0px;" />

$artlist = pq(".blog_li"); <br STYLE="margin: 0px; padding: 0px;" />

foreach($artlist as $li){ <br STYLE="margin: 0px; padding: 0px;" />

   echo pq($li)->find('h2')->html().""; <br STYLE="margin: 0px; padding: 0px;" />

} <br STYLE="margin: 0px; padding: 0px;" />

　　通过循环列表中的DIV，找出文章标题并输出，就是那么简单。

　　解析XML文档

　　假设现今有一个这样的test.xml文档：