تحليل HTML في PHP: دليل شامل للمكتبات والأدوات

تحليل HTML في PHP: نظرة عامة على المكتبات والأدوات

تحليل HTML هو إحدى المهام الأساسية عند تطوير تطبيقات الويب، أو جمع البيانات، أو التكامل مع الخدمات الخارجية. PHP، باعتبارها لغة خادم، توفر أدوات مدمجة بالإضافة إلى مكتبات خارجية قوية لاستخراج المعلومات من مستندات HTML. في هذه المقالة، سنستعرض بالتفصيل ثلاثة مناهج رئيسية لتحليل HTML في PHP، وإمكانياتها، ومزاياها، وخصائص استخدامها.

1. الامتداد المدمج DOMDocument

DOMDocument هو امتداد PHP مدمج يوفر مجموعة كاملة من الأدوات للعمل مع مستندات HTML و XML. يعتمد على نموذج DOM القياسي (نموذج كائن المستند) ولا يسمح فقط بتحليل المستندات، بل أيضًا بتعديل بنيتها.

الإمكانيات الرئيسية:

• تحميل HTML من سلسلة نصية أو ملف
• التنقل عبر شجرة العناصر باستخدام XPath
• تعديل وإضافة وحذف العقد
• التحقق من صحة HTML وتطبيعه

مثال على الاستخدام:

<?php// إنشاء DOMDocument وتحميل HTML$dom = new DOMDocument();libxml_use_internal_errors(true); // إيقاف الأخطاء لـ HTML غير الصحيح$dom->loadHTML('<html><body><div class="content">مرحباً بالعالم!</div></body></html>');libxml_clear_errors();

// استخدام XPath للبحث عن العناصر$xpath = new DOMXPath($dom);$elements = $xpath->query("//div[@class='content']");

foreach ($elements as $element) {    echo $element->nodeValue; // سيطبع: مرحباً بالعالم!}?>

الإيجابيات: لا يتطلب تثبيت مكتبات إضافية، أداء عالٍ، تحكم كامل في المستند.

السلبيات: بناء جملة معقد للمهام البسيطة، عمل غير مريح مع HTML غير الصحيح (يتطلب ضبط libxml).

2. مكتبة Simple HTML DOM

Simple HTML DOM هي مكتبة خارجية شائعة تبسط بشكل كبير تحليل HTML. توفر بناء جملة مشابهًا لـ jQuery للبحث عن البيانات واستخراجها.

التثبيت:

composer require simplehtmldom/simplehtmldom

مثال على الاستخدام:

<?phprequire_once 'vendor/autoload.php';

use simplehtmldom\\HtmlWeb;

// تحميل HTML من URL$client = new HtmlWeb();$html = $client->load('https://example.com');

// البحث عن جميع الروابط$links = $html->find('a');foreach ($links as $link) {    echo $link->href . ' - ' . $link->plaintext . "";}

// البحث حسب فئة CSS$items = $html->find('.product-price');foreach ($items as $item) {    echo $item->plaintext . "";}?>

الطرق الرئيسية:

• find() — البحث عن العناصر باستخدام محدد CSS
• getElementById() — الحصول على عنصر حسب المعرف
• getElementsByTagName() — الحصول على عناصر حسب الوسم
• innertext و plaintext — الحصول على المحتوى النصي

الإيجابيات: بناء جملة بسيط وبديهي، توثيق جيد، دعم لمحددات CSS.

السلبيات: أبطأ من DOMDocument المدمج، لم يتم تحديثها لفترة طويلة (آخر إصدار عام 2019).

3. Symfony DomCrawler

DomCrawler هو مكون من إطار العمل Symfony يوفر أدوات قوية للتنقل عبر مستندات HTML و XML. يتم دعمه بنشاط ويستخدم في مشاريع PHP الحديثة.

التثبيت:

composer require symfony/dom-crawler symfony/css-selector

مثال على الاستخدام:

<?phprequire_once 'vendor/autoload.php';

use Symfony\\Component\\DomCrawler\\Crawler;

// إنشاء كائن Crawler وتحميل HTML$html = '<html><body><div class="article"><h2