Parser HTML, Prosty, acz zasobożerny parser HTML Opcje

[b4rt3kk]

Witam,
przedstawiam do oceny parser HTML mojego autorstwa.

Plik do pobrania:
http://www.filedropper.com/htmlparserclassphp

Opis:
Zasada działania jest prosta, wystarczy zaincludować plik z klasą, która znajduje się w powyższym pliku. Następnie utworzyć nowy obiekt, np.

[PHP] pobierz, plaintext 
$parser = new HTMLparser();
[PHP] pobierz, plaintext 

Dostępne są 3 metody pobierania HTML, który będziemy parsować:
- z pliku

[PHP] pobierz, plaintext 
$parser->parseFile($dir);
[PHP] pobierz, plaintext 

- ze stringa

[PHP] pobierz, plaintext 
$parser->parseString($string);
[PHP] pobierz, plaintext 

- z URL

[PHP] pobierz, plaintext 
$parser->parseUrl($url);
[PHP] pobierz, plaintext 

Następnie wywołanie parsera:

[PHP] pobierz, plaintext 
$resource = $parser->find('div');
[PHP] pobierz, plaintext 

Jako wynik zmienna $resource będzie przechowywać tablicę obiektów DIV-ów znalezionych w parsowanym źródle, bądź jeden obiekt, jeśli w metodzie find jako drugi argument podamy liczbę (wtedy zwróci n-ty DIV z parsowanego źródła).

Odczyt informacji:
Odczyt jest bardzo prosty, każdy wynik zawiera obiekty text oraz html, ponadto jeśli DIV posiada atrybuty, np. class bądź id zostaną one zwrócone również w postaci obiektów. Przykład:

[PHP] pobierz, plaintext 
foreach ($resource as $div) {
  echo $div->text;
  echo $div->html;
  echo $div->class;
  // itd.
}
[PHP] pobierz, plaintext 

To tak po krótce tytułem wstępu. Jednak parser wymaga optymalizacji, ponieważ czas parsowania średniej wielkości źródła jest dosyć długi. Proszę o oceny, a także o wskazanie dalszej drogi rozwoju owego parsera (zastanawiałem się jeszcze nad wyszukiwaniem elementów HTML np. po class, bądź po ID, jednak w tym momencie nie mam jeszcze pomysłu jak to zrealizować, bo już teraz parser w obecnej formie jest dość "ciężki"). Pozdrawiam i dzięki za ewentualne sugestie.

EDIT:
Zapomniałem dodać, możemy również szukać dzieci naszych wynikowych obiektów, np.

[PHP] pobierz, plaintext 
foreach ($resource as $div) {
  echo $div->find('a', 0)->href;
}
[PHP] pobierz, plaintext 

Możliwość zagnieżdżania jest nieograniczona.

Ten post edytował b4rt3kk 4.10.2013, 13:31:07

[pyro]

Wrzuciłbyś jako repozytorium.

// ADD

4. Projektując klasę nie powinno się już raczej używać kończącego tagu php ?>

Jak ktoś widzi co robi to nie ma grzechu. Jak się da to czemu nie, ale nie jest to jakaś wada, którą można wytknąć jako błąd. To tak samo powinno się wymyśleć jak uniknąć white-space na początku. Bardziej już należy uważać, żeby przypadkiem nie zapisać pliku jako UTF-8 z BOM. Przezorność trochę na wyrost ;p

Ten post edytował pyro 4.10.2013, 18:26:45