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

[mstraczkowski]

Jeżeli tak podchodzisz do tematu to nie mam Ci nic więcej do powiedzenia.
Umieszczasz temat w dziale "Oceny", na początku piszesz:

przedstawiam do oceny parser HTML mojego autorstwa.

Później piszesz:

Proszę o oceny, a także o wskazanie dalszej drogi rozwoju owego parsera
...
Pozdrawiam i dzięki za ewentualne sugestie.

Wskazanie ci problemów wydajnościowych miało być dodatkiem do tematu, a nie jego głównym celem.
Głównym celem była ocena, którą na pierwszy rzut oka podesłałem.

Kod ocenia się nie tylko patrząc na jego użyteczność, chociaż podobnie jak sowiq nie widzę dla tej klasy sensu bytu.

Niestety, ale przejawiasz problem większości programistów PHP, którzy mają głęboko w poważaniu swój kod, jego estetykę i poprawność wg. standardów, a potem w przyszłości ktoś musi takie "wymiociny" przeglądać i edytować, bo komuś nie chciało się zadbać o kod i tłumaczył się tym, że użyteczność jest ważniejsza niż estetyka kodu.

Najlepiej zakoduj swoją klasę w IonCube, albo napisz wszystko w jednej linii i daj nam ponownie do oceny.
Bo przecież chodzi o użyteczność, a nie estetykę i wygląd kodu.

A błąd w twoim toku rozumowania powstał już na etapie kiedy zrodził się pomysł stworzenia tej klasy zamiast wykorzystać DOMDocument

Ten post edytował mstraczkowski 5.10.2013, 09:03:45