{"id":2994,"date":"2026-09-18T04:21:41","date_gmt":"2026-09-18T04:21:41","guid":{"rendered":"https:\/\/otus.ru\/journal\/?p=2994"},"modified":"2026-09-25T15:47:07","modified_gmt":"2026-09-25T15:47:07","slug":"parsing-v-php-chto-nuzhno-znat-novichkam","status":"publish","type":"post","link":"https:\/\/otus.ru\/journal\/parsing-v-php-chto-nuzhno-znat-novichkam\/","title":{"rendered":"\u041f\u0430\u0440\u0441\u0438\u043d\u0433 \u0432 PHP: \u043a\u0430\u043a \u043f\u043e\u043b\u0443\u0447\u0438\u0442\u044c \u0438 \u0440\u0430\u0437\u043e\u0431\u0440\u0430\u0442\u044c \u0434\u0430\u043d\u043d\u044b\u0435 \u0441\u043e \u0441\u0442\u0440\u0430\u043d\u0438\u0446"},"content":{"rendered":"

\u041f\u0430\u0440\u0441\u0438\u043d\u0433 \u0432 PHP<\/strong> — \u044d\u0442\u043e \u0430\u0432\u0442\u043e\u043c\u0430\u0442\u0438\u0447\u0435\u0441\u043a\u043e\u0435 \u043f\u043e\u043b\u0443\u0447\u0435\u043d\u0438\u0435 \u0432\u0435\u0431-\u0441\u0442\u0440\u0430\u043d\u0438\u0446\u044b \u043f\u043e \u0441\u0435\u0442\u0438 \u0438 \u0438\u0437\u0432\u043b\u0435\u0447\u0435\u043d\u0438\u0435 \u0438\u0437 \u0435\u0435 HTML \u043d\u0443\u0436\u043d\u044b\u0445 \u0434\u0430\u043d\u043d\u044b\u0445 \u0441\u043a\u0440\u0438\u043f\u0442\u043e\u043c \u043d\u0430 PHP. \u041d\u0438\u0436\u0435 — \u0440\u0430\u0431\u043e\u0447\u0430\u044f \u0446\u0435\u043f\u043e\u0447\u043a\u0430 \u00ab\u043f\u043e\u043b\u0443\u0447\u0438\u0442\u044c \u0441\u0442\u0440\u0430\u043d\u0438\u0446\u0443 -> \u0440\u0430\u0437\u043e\u0431\u0440\u0430\u0442\u044c \u0440\u0430\u0437\u043c\u0435\u0442\u043a\u0443 -> \u0432\u044b\u0442\u0430\u0449\u0438\u0442\u044c \u043d\u0443\u0436\u043d\u044b\u0435 \u0443\u0437\u043b\u044b\u00bb, \u043f\u0440\u0438\u043c\u0435\u0440\u044b \u043d\u0430 cURL \u0438 DOMDocument, \u0447\u0435\u0441\u0442\u043d\u0430\u044f \u0433\u0440\u0430\u043d\u0438\u0446\u0430 \u0440\u0435\u0433\u0443\u043b\u044f\u0440\u043d\u044b\u0445 \u0432\u044b\u0440\u0430\u0436\u0435\u043d\u0438\u0439 \u0438 \u043f\u0440\u0430\u0432\u0438\u043b\u0430, \u0431\u0435\u0437 \u043a\u043e\u0442\u043e\u0440\u044b\u0445 \u043f\u0430\u0440\u0441\u0435\u0440 \u0431\u044b\u0441\u0442\u0440\u043e \u0443\u043f\u0440\u0435\u0442\u0441\u044f \u0432 \u0431\u043b\u043e\u043a\u0438\u0440\u043e\u0432\u043a\u0443.<\/p>\n

\n

\u0421\u043e\u0434\u0435\u0440\u0436\u0430\u043d\u0438\u0435<\/strong><\/p>\n

    \n
  1. \u0422\u0440\u0438 \u0440\u0430\u0437\u043d\u044b\u0445 \u0441\u043c\u044b\u0441\u043b\u0430 \u0441\u043b\u043e\u0432\u0430 \u00ab\u043f\u0430\u0440\u0441\u0438\u043d\u0433\u00bb<\/a><\/li>\n
  2. \u041a\u0430\u043a \u0443\u0441\u0442\u0440\u043e\u0435\u043d \u043f\u0430\u0440\u0441\u0435\u0440: \u0442\u0440\u0438 \u0448\u0430\u0433\u0430<\/a><\/li>\n
  3. \u0428\u0430\u0433 1. \u041f\u043e\u043b\u0443\u0447\u0430\u0435\u043c \u0441\u0442\u0440\u0430\u043d\u0438\u0446\u0443: cURL<\/a><\/li>\n
  4. \u0428\u0430\u0433 2. \u0420\u0430\u0437\u0431\u0438\u0440\u0430\u0435\u043c HTML: DOMDocument \u0438 XPath<\/a><\/li>\n
  5. \u0420\u0435\u0433\u0443\u043b\u044f\u0440\u043d\u044b\u0435 \u0432\u044b\u0440\u0430\u0436\u0435\u043d\u0438\u044f: \u043a\u043e\u0433\u0434\u0430 \u043c\u043e\u0436\u043d\u043e, \u043a\u043e\u0433\u0434\u0430 \u043d\u0435\u043b\u044c\u0437\u044f<\/a><\/li>\n
  6. parse_url: \u0440\u0430\u0437\u0431\u043e\u0440 \u0430\u0434\u0440\u0435\u0441\u0430, \u0430 \u043d\u0435 \u0441\u0442\u0440\u0430\u043d\u0438\u0446\u044b<\/a><\/li>\n
  7. \u042d\u0442\u0438\u043a\u0430 \u0438 robots.txt: \u0447\u0442\u043e \u043c\u043e\u0436\u043d\u043e \u043f\u0430\u0440\u0441\u0438\u0442\u044c<\/a><\/li>\n
  8. \u0412\u044b\u0432\u043e\u0434\u044b<\/a><\/li>\n
  9. \u0413\u0434\u0435 \u043f\u0440\u0438\u043c\u0435\u043d\u044f\u0435\u0442\u0441\u044f \/ \u0441\u0432\u044f\u0437\u044c \u0441 \u043f\u0440\u0430\u043a\u0442\u0438\u043a\u043e\u0439<\/a><\/li>\n
  10. FAQ<\/a><\/li>\n<\/ol>\n<\/div>\n

    \u0414\u0430\u043b\u044c\u0448\u0435 \u0440\u0430\u0437\u0431\u0435\u0440\u0435\u043c \u043a\u0430\u0436\u0434\u044b\u0439 \u0448\u0430\u0433 \u0441 \u043a\u043e\u0434\u043e\u043c, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043c\u043e\u0436\u043d\u043e \u0441\u043a\u043e\u043f\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u0438 \u0437\u0430\u043f\u0443\u0441\u0442\u0438\u0442\u044c, \u0438 \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u043e — \u0444\u0443\u043d\u043a\u0446\u0438\u044e parse_url()<\/code>, \u043a\u043e\u0442\u043e\u0440\u0443\u044e \u0447\u0430\u0441\u0442\u043e \u043f\u0443\u0442\u0430\u044e\u0442 \u0441 \u043f\u0430\u0440\u0441\u0438\u043d\u0433\u043e\u043c \u0441\u0442\u0440\u0430\u043d\u0438\u0446.<\/p>\n

    \u0422\u0440\u0438 \u0440\u0430\u0437\u043d\u044b\u0445 \u0441\u043c\u044b\u0441\u043b\u0430 \u0441\u043b\u043e\u0432\u0430 \u00ab\u043f\u0430\u0440\u0441\u0438\u043d\u0433\u00bb<\/h2>\n

    \u0421\u043b\u043e\u0432\u043e \u043f\u0435\u0440\u0435\u0433\u0440\u0443\u0436\u0435\u043d\u043e, \u0438 \u043d\u043e\u0432\u0438\u0447\u043a\u0438 \u0441\u043c\u0435\u0448\u0438\u0432\u0430\u044e\u0442 \u0442\u0440\u0438 \u0440\u0430\u0437\u043d\u044b\u0435 \u0432\u0435\u0449\u0438. \u0420\u0430\u0437\u0432\u0435\u0434\u0435\u043c \u0438\u0445 \u0441\u0440\u0430\u0437\u0443, \u0434\u0430\u043b\u044c\u0448\u0435 \u0432 \u0441\u0442\u0430\u0442\u044c\u0435 \u043e\u043d\u0438 \u043d\u0435 \u043f\u0443\u0442\u0430\u044e\u0442\u0441\u044f.<\/p>\n\n\n\n\n\n\n\n
    \u0422\u0435\u0440\u043c\u0438\u043d<\/th>\n\u0427\u0442\u043e \u0434\u0435\u043b\u0430\u0435\u0442<\/th>\n\u0418\u043d\u0441\u0442\u0440\u0443\u043c\u0435\u043d\u0442 \u0432 PHP<\/th>\n<\/tr>\n<\/thead>\n
    \u0420\u0430\u0437\u0431\u043e\u0440 (parsing) \u0441\u0442\u0440\u043e\u043a\u0438<\/td>\n\u043f\u0440\u0435\u0432\u0440\u0430\u0449\u0430\u0435\u0442 \u0442\u0435\u043a\u0441\u0442 \u0432 \u0441\u0442\u0440\u0443\u043a\u0442\u0443\u0440\u0443 \u0434\u0430\u043d\u043d\u044b\u0445<\/td>\njson_decode<\/code>, DOMDocument<\/code><\/td>\n<\/tr>\n
    parse_url()<\/code><\/td>\n\u0440\u0435\u0436\u0435\u0442 \u0441\u0442\u0440\u043e\u043a\u0443-\u0430\u0434\u0440\u0435\u0441 \u043d\u0430 \u0447\u0430\u0441\u0442\u0438 (\u0441\u0445\u0435\u043c\u0430, \u0445\u043e\u0441\u0442, \u043f\u0443\u0442\u044c)<\/td>\n\u0444\u0443\u043d\u043a\u0446\u0438\u044f \u044f\u0434\u0440\u0430<\/td>\n<\/tr>\n
    \u0412\u0435\u0431-\u0441\u043a\u0440\u0430\u043f\u0438\u043d\u0433<\/td>\n\u0441\u043a\u0430\u0447\u0438\u0432\u0430\u0435\u0442 \u0441\u0442\u0440\u0430\u043d\u0438\u0446\u0443 \u0438 \u0434\u043e\u0441\u0442\u0430\u0435\u0442 \u0438\u0437 \u043d\u0435\u0435 \u0434\u0430\u043d\u043d\u044b\u0435<\/td>\ncURL + DOMDocument<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

    \u041a\u043e\u0433\u0434\u0430 \u0433\u043e\u0432\u043e\u0440\u044f\u0442 \u00ab\u043f\u0430\u0440\u0441\u0435\u0440 \u0441\u0430\u0439\u0442\u0430 \u043d\u0430 PHP\u00bb, \u043e\u0431\u044b\u0447\u043d\u043e \u0438\u043c\u0435\u044e\u0442 \u0432 \u0432\u0438\u0434\u0443 \u0438\u043c\u0435\u043d\u043d\u043e \u0432\u0435\u0431-\u0441\u043a\u0440\u0430\u043f\u0438\u043d\u0433: \u0441\u0435\u0442\u044c \u043f\u043b\u044e\u0441 \u0440\u0430\u0437\u0431\u043e\u0440 HTML. \u0418\u043c\u0435\u043d\u043d\u043e \u043e\u043d \u0432 \u0444\u043e\u043a\u0443\u0441\u0435 \u0441\u0442\u0430\u0442\u044c\u0438.<\/p>\n

    \u041a\u0430\u043a \u0443\u0441\u0442\u0440\u043e\u0435\u043d \u043f\u0430\u0440\u0441\u0435\u0440: \u0442\u0440\u0438 \u0448\u0430\u0433\u0430<\/h2>\n

    \u041b\u044e\u0431\u043e\u0439 \u0441\u043a\u0440\u0430\u043f\u0435\u0440 \u0443\u043a\u043b\u0430\u0434\u044b\u0432\u0430\u0435\u0442\u0441\u044f \u0432 \u0442\u0440\u0438 \u044d\u0442\u0430\u043f\u0430:<\/p>\n

      \n
    1. \u041f\u043e\u043b\u0443\u0447\u0438\u0442\u044c HTML — \u043e\u0442\u043f\u0440\u0430\u0432\u0438\u0442\u044c HTTP-\u0437\u0430\u043f\u0440\u043e\u0441 \u0438 \u043f\u0440\u0438\u043d\u044f\u0442\u044c \u0442\u0435\u043b\u043e \u043e\u0442\u0432\u0435\u0442\u0430.<\/li>\n
    2. \u0420\u0430\u0437\u043e\u0431\u0440\u0430\u0442\u044c \u0440\u0430\u0437\u043c\u0435\u0442\u043a\u0443 — \u043f\u043e\u0441\u0442\u0440\u043e\u0438\u0442\u044c \u0438\u0437 \u0441\u0442\u0440\u043e\u043a\u0438 \u0434\u0435\u0440\u0435\u0432\u043e \u044d\u043b\u0435\u043c\u0435\u043d\u0442\u043e\u0432 (DOM).<\/li>\n
    3. \u0418\u0437\u0432\u043b\u0435\u0447\u044c \u0438 \u0441\u043e\u0445\u0440\u0430\u043d\u0438\u0442\u044c — \u0432\u044b\u0431\u0440\u0430\u0442\u044c \u043d\u0443\u0436\u043d\u044b\u0435 \u0443\u0437\u043b\u044b \u0447\u0435\u0440\u0435\u0437 XPath \u0438\u043b\u0438 CSS-\u0441\u0435\u043b\u0435\u043a\u0442\u043e\u0440\u044b, \u0437\u0430\u043f\u0438\u0441\u0430\u0442\u044c \u0432 \u0444\u0430\u0439\u043b \u0438\u043b\u0438 \u0431\u0430\u0437\u0443.<\/li>\n<\/ol>\n

      \u0420\u0430\u0437\u0431\u0435\u0440\u0435\u043c \u0438\u0445 \u043f\u043e \u043f\u043e\u0440\u044f\u0434\u043a\u0443 \u043d\u0430 \u043c\u0438\u043d\u0438\u043c\u0430\u043b\u044c\u043d\u044b\u0445 \u0437\u0430\u043f\u0443\u0441\u043a\u0430\u0435\u043c\u044b\u0445 \u043f\u0440\u0438\u043c\u0435\u0440\u0430\u0445.<\/p>\n

      \u0428\u0430\u0433 1. \u041f\u043e\u043b\u0443\u0447\u0430\u0435\u043c \u0441\u0442\u0440\u0430\u043d\u0438\u0446\u0443: cURL<\/h2>\n

      cURL (\u043e\u0431\u0435\u0440\u0442\u043a\u0430 \u043d\u0430\u0434 \u0431\u0438\u0431\u043b\u0438\u043e\u0442\u0435\u043a\u043e\u0439 libcurl) — \u043e\u0441\u043d\u043e\u0432\u043d\u043e\u0439 \u0441\u043f\u043e\u0441\u043e\u0431 \u0445\u043e\u0434\u0438\u0442\u044c \u043f\u043e \u0441\u0435\u0442\u0438 \u0438\u0437 PHP: \u043f\u043e\u0434\u0434\u0435\u0440\u0436\u0438\u0432\u0430\u0435\u0442 HTTPS, \u0440\u0435\u0434\u0438\u0440\u0435\u043a\u0442\u044b, \u0437\u0430\u0433\u043e\u043b\u043e\u0432\u043a\u0438, cookie \u0438 POST.<\/p>\n

      <?php<\/span>\n$ch<\/span> =<\/span> curl_init<\/span>(<\/span>'https:\/\/example.com\/'<\/span>);<\/span>\ncurl_setopt<\/span>(<\/span>$ch<\/span>,<\/span> CURLOPT_RETURNTRANSFER<\/span>,<\/span> true<\/span>);<\/span> \/\/ \u0432\u0435\u0440\u043d\u0443\u0442\u044c \u0442\u0435\u043b\u043e \u0441\u0442\u0440\u043e\u043a\u043e\u0439, \u0430 \u043d\u0435 \u043f\u0435\u0447\u0430\u0442\u0430\u0442\u044c<\/span>\ncurl_setopt<\/span>(<\/span>$ch<\/span>,<\/span> CURLOPT_FOLLOWLOCATION<\/span>,<\/span> true<\/span>);<\/span> \/\/ \u0438\u0434\u0442\u0438 \u0437\u0430 \u0440\u0435\u0434\u0438\u0440\u0435\u043a\u0442\u0430\u043c\u0438 301\/302<\/span>\ncurl_setopt<\/span>(<\/span>$ch<\/span>,<\/span> CURLOPT_TIMEOUT<\/span>,<\/span> 20<\/span>);<\/span>          \/\/ \u0442\u0430\u0439\u043c\u0430\u0443\u0442 \u043e\u0442\u0432\u0435\u0442\u0430, \u0441\u0435\u043a\u0443\u043d\u0434\u044b<\/span>\ncurl_setopt<\/span>(<\/span>$ch<\/span>,<\/span> CURLOPT_USERAGENT<\/span>,<\/span> 'MyParser\/1.0 (+https:\/\/example.com\/bot)'<\/span>);<\/span>\n\n$html<\/span> =<\/span> curl_exec<\/span>(<\/span>$ch<\/span>);<\/span>\n\nif<\/span> (<\/span>$html<\/span> ===<\/span> false<\/span>)<\/span> {<\/span>\n    echo<\/span> '\u041e\u0448\u0438\u0431\u043a\u0430 cURL: '<\/span> .<\/span> curl_error<\/span>(<\/span>$ch<\/span>);<\/span>\n}<\/span> else<\/span> {<\/span>\n    $code<\/span> =<\/span> curl_getinfo<\/span>(<\/span>$ch<\/span>,<\/span> CURLINFO_HTTP_CODE<\/span>);<\/span>\n    echo<\/span> \"HTTP-\u043a\u043e\u0434: {<\/span>$code<\/span>}, \u043f\u043e\u043b\u0443\u0447\u0435\u043d\u043e \u0431\u0430\u0439\u0442: \"<\/span> .<\/span> strlen<\/span>(<\/span>$html<\/span>);<\/span>\n    \/\/ \u041f\u0440\u0438\u043c\u0435\u0440 \u0432\u044b\u0432\u043e\u0434\u0430: HTTP-\u043a\u043e\u0434: 200, \u043f\u043e\u043b\u0443\u0447\u0435\u043d\u043e \u0431\u0430\u0439\u0442: 1256 (\u0434\u043b\u0438\u043d\u0430 \u0437\u0430\u0432\u0438\u0441\u0438\u0442 \u043e\u0442 \u0441\u0442\u0440\u0430\u043d\u0438\u0446\u044b)<\/span>\n}<\/span>\ncurl_close<\/span>(<\/span>$ch<\/span>);<\/span><\/code><\/pre>\n
      \u041a\u043b\u044e\u0447\u0435\u0432\u043e\u0439 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440 — CURLOPT_RETURNTRANSFER<\/code>: \u0431\u0435\u0437 \u043d\u0435\u0433\u043e curl_exec()<\/code> \u043f\u0435\u0447\u0430\u0442\u0430\u0435\u0442 \u043e\u0442\u0432\u0435\u0442 \u0432 \u0432\u044b\u0432\u043e\u0434 \u0438 \u0432\u043e\u0437\u0432\u0440\u0430\u0449\u0430\u0435\u0442 true<\/code>, \u0430 \u043f\u0435\u0440\u0435\u043c\u0435\u043d\u043d\u0430\u044f $html<\/code> \u043e\u0441\u0442\u0430\u043d\u0435\u0442\u0441\u044f \u043f\u0443\u0441\u0442\u043e\u0439. \u0412\u0441\u0435\u0433\u0434\u0430 \u043f\u0440\u043e\u0432\u0435\u0440\u044f\u0439\u0442\u0435 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442 \u043d\u0430 === false<\/code> (\u043e\u0448\u0438\u0431\u043a\u0430 \u0441\u0435\u0442\u0438) \u0438 \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u043e \u0441\u043c\u043e\u0442\u0440\u0438\u0442\u0435 HTTP-\u043a\u043e\u0434: \u0441\u0442\u0440\u0430\u043d\u0438\u0446\u0430 \u043c\u043e\u0436\u0435\u0442 \u043e\u0442\u0432\u0435\u0442\u0438\u0442\u044c 404 \u0438\u043b\u0438 403, \u0430 $html<\/code> \u043f\u0440\u0438 \u044d\u0442\u043e\u043c \u0431\u0443\u0434\u0435\u0442 \u043d\u0435\u043f\u0443\u0441\u0442\u044b\u043c.<\/p>\n
      \u0411\u043e\u043b\u0435\u0435 \u043f\u0440\u043e\u0441\u0442\u043e\u0439 \u0432\u0430\u0440\u0438\u0430\u043d\u0442 \u0431\u0435\u0437 cURL — file_get_contents()<\/code>, \u043d\u043e \u043e\u043d \u0442\u0440\u0435\u0431\u0443\u0435\u0442 \u0432\u043a\u043b\u044e\u0447\u0435\u043d\u043d\u043e\u0439 \u043e\u043f\u0446\u0438\u0438 allow_url_fopen<\/code> \u0432 php.ini \u0438 \u0445\u0443\u0436\u0435 \u0443\u043f\u0440\u0430\u0432\u043b\u044f\u0435\u0442 \u0437\u0430\u0433\u043e\u043b\u043e\u0432\u043a\u0430\u043c\u0438 \u0438 \u043e\u0448\u0438\u0431\u043a\u0430\u043c\u0438:<\/p>\n
      <?php<\/span>\n$context<\/span> =<\/span> stream_context_create<\/span>([<\/span>\n    'http'<\/span> =><\/span> [<\/span>\n        'header'<\/span>  =><\/span> \"User-Agent: MyParser\/1.0\\r\\n\"<\/span>,<\/span>\n        'timeout'<\/span> =><\/span> 20<\/span>,<\/span>\n    ],<\/span>\n]);<\/span>\n$html<\/span> =<\/span> file_get_contents<\/span>(<\/span>'https:\/\/example.com\/'<\/span>,<\/span> false<\/span>,<\/span> $context<\/span>);<\/span>\n\/\/ \u043f\u0440\u0438 \u043e\u0448\u0438\u0431\u043a\u0435 \u0432\u0435\u0440\u043d\u0435\u0442 false \u0438 \u0432\u044b\u0434\u0430\u0441\u0442 \u043f\u0440\u0435\u0434\u0443\u043f\u0440\u0435\u0436\u0434\u0435\u043d\u0438\u0435<\/span><\/code><\/pre>\n
      \u0414\u043b\u044f \u043d\u043e\u0432\u0438\u0447\u043a\u0430 \u043f\u0440\u0430\u0432\u0438\u043b\u043e \u043f\u0440\u043e\u0441\u0442\u043e\u0435: \u0440\u0430\u0437\u043e\u0432\u043e\u0435 \u0447\u0442\u0435\u043d\u0438\u0435 — file_get_contents<\/code>, \u043b\u044e\u0431\u043e\u0439 \u0440\u0435\u0430\u043b\u044c\u043d\u044b\u0439 \u043f\u0430\u0440\u0441\u0435\u0440 (\u0440\u0435\u0434\u0438\u0440\u0435\u043a\u0442\u044b, cookie, POST, \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0430 \u043e\u0448\u0438\u0431\u043e\u043a) — cURL.<\/p>\n
      \u0428\u0430\u0433 2. \u0420\u0430\u0437\u0431\u0438\u0440\u0430\u0435\u043c HTML: DOMDocument \u0438 XPath<\/h2>\n
      \u041f\u043e\u043b\u0443\u0447\u0438\u0432 \u0441\u0442\u0440\u043e\u043a\u0443 HTML, \u0435\u0435 \u043d\u0443\u0436\u043d\u043e \u043f\u0440\u0435\u0432\u0440\u0430\u0442\u0438\u0442\u044c \u0432 \u0434\u0435\u0440\u0435\u0432\u043e, \u043f\u043e \u043a\u043e\u0442\u043e\u0440\u043e\u043c\u0443 \u043c\u043e\u0436\u043d\u043e \u0445\u043e\u0434\u0438\u0442\u044c. \u0412 \u0441\u0442\u0430\u043d\u0434\u0430\u0440\u0442\u043d\u043e\u0439 \u043f\u043e\u0441\u0442\u0430\u0432\u043a\u0435 PHP \u0434\u043b\u044f \u044d\u0442\u043e\u0433\u043e \u0435\u0441\u0442\u044c \u043a\u043b\u0430\u0441\u0441 DOMDocument<\/code>, \u0430 \u0432\u044b\u0431\u0438\u0440\u0430\u0442\u044c \u0443\u0437\u043b\u044b \u0443\u0434\u043e\u0431\u043d\u043e \u0447\u0435\u0440\u0435\u0437 DOMXPath<\/code>.<\/p>\n
      <?php<\/span>\n$html<\/span> =<\/span> '<html><body><h1>\u0417\u0430\u0433\u043e\u043b\u043e\u0432\u043e\u043a<\/h1>'<\/span>\n      .<\/span> '<a href=\"\/page1\">\u0421\u0441\u044b\u043b\u043a\u0430 1<\/a>'<\/span>\n      .<\/span> '<a href=\"\/page2\">\u0421\u0441\u044b\u043b\u043a\u0430 2<\/a><\/body><\/html>'<\/span>;<\/span>\n\n$doc<\/span> =<\/span> new<\/span> DOMDocument<\/span>();<\/span>\nlibxml_use_internal_errors<\/span>(<\/span>true<\/span>);<\/span> \/\/ \u043d\u0435 \u043f\u0430\u0434\u0430\u0442\u044c \u043d\u0430 \u043d\u0435\u0432\u0430\u043b\u0438\u0434\u043d\u043e\u0439 \u0432\u0435\u0440\u0441\u0442\u043a\u0435 \u0440\u0435\u0430\u043b\u044c\u043d\u044b\u0445 \u0441\u0430\u0439\u0442\u043e\u0432<\/span>\n\/\/ \u0431\u0435\u0437 \u043f\u043e\u0434\u0441\u043a\u0430\u0437\u043a\u0438 \u043e \u043a\u043e\u0434\u0438\u0440\u043e\u0432\u043a\u0435 DOMDocument \u0447\u0438\u0442\u0430\u0435\u0442 \u0432\u0445\u043e\u0434 \u043a\u0430\u043a Latin-1 \u0438 \u043f\u043e\u0440\u0442\u0438\u0442 \u043a\u0438\u0440\u0438\u043b\u043b\u0438\u0446\u0443;<\/span>\n\/\/ \u043f\u0440\u0435\u0444\u0438\u043a\u0441 \u0441 XML-\u0434\u0435\u043a\u043b\u0430\u0440\u0430\u0446\u0438\u0435\u0439 - \u0440\u0430\u0441\u043f\u0440\u043e\u0441\u0442\u0440\u0430\u043d\u0435\u043d\u043d\u044b\u0439 \u0441\u043f\u043e\u0441\u043e\u0431 \u0437\u0430\u0441\u0442\u0430\u0432\u0438\u0442\u044c \u0435\u0433\u043e \u0447\u0438\u0442\u0430\u0442\u044c UTF-8<\/span>\n$doc<\/span>-><\/span>loadHTML<\/span>(<\/span>'<?xml encoding=\"UTF-8\">'<\/span> .<\/span> $html<\/span>,<\/span> LIBXML_NOERROR<\/span>);<\/span>\nlibxml_clear_errors<\/span>();<\/span>\n\n$xpath<\/span> =<\/span> new<\/span> DOMXPath<\/span>(<\/span>$doc<\/span>);<\/span>\n\n$h1<\/span> =<\/span> $xpath<\/span>-><\/span>query<\/span>(<\/span>'\/\/h1'<\/span>)<\/span>-><\/span>item<\/span>(<\/span>0<\/span>);<\/span>\necho<\/span> $h1<\/span>-><\/span>textContent<\/span> .<\/span> PHP_EOL<\/span>;<\/span>\n\nforeach<\/span> (<\/span>$xpath<\/span>-><\/span>query<\/span>(<\/span>'\/\/a'<\/span>)<\/span> as<\/span> $a<\/span>)<\/span> {<\/span>\n    echo<\/span> $a<\/span>-><\/span>getAttribute<\/span>(<\/span>'href'<\/span>)<\/span> .<\/span> ' -> '<\/span> .<\/span> $a<\/span>-><\/span>textContent<\/span> .<\/span> PHP_EOL<\/span>;<\/span>\n}<\/span>\n\/\/ \u0412\u044b\u0432\u043e\u0434:<\/span>\n\/\/ \u0417\u0430\u0433\u043e\u043b\u043e\u0432\u043e\u043a<\/span>\n\/\/ \/page1 -> \u0421\u0441\u044b\u043b\u043a\u0430 1<\/span>\n\/\/ \/page2 -> \u0421\u0441\u044b\u043b\u043a\u0430 2<\/span><\/code><\/pre>\n
      \u0417\u0434\u0435\u0441\u044c \u0432\u0430\u0436\u043d\u044b \u0434\u0432\u0435 \u043f\u0440\u0438\u0432\u044b\u0447\u043a\u0438. \u041f\u0435\u0440\u0432\u0430\u044f — libxml_use_internal_errors(true)<\/code>: \u0440\u0435\u0430\u043b\u044c\u043d\u0430\u044f \u0432\u0435\u0440\u0441\u0442\u043a\u0430 \u043f\u043e\u0447\u0442\u0438 \u0432\u0441\u0435\u0433\u0434\u0430 \u043d\u0435\u0432\u0430\u043b\u0438\u0434\u043d\u0430, \u0438 \u0431\u0435\u0437 \u044d\u0442\u043e\u0433\u043e DOMDocument \u0437\u0430\u0441\u044b\u043f\u0435\u0442 \u0432\u044b\u0432\u043e\u0434 \u043f\u0440\u0435\u0434\u0443\u043f\u0440\u0435\u0436\u0434\u0435\u043d\u0438\u044f\u043c\u0438. \u0412\u0442\u043e\u0440\u0430\u044f — \u044f\u0432\u043d\u0430\u044f \u043a\u043e\u0434\u0438\u0440\u043e\u0432\u043a\u0430: \u0431\u0435\u0437 \u043d\u0435\u0435 \u043a\u0438\u0440\u0438\u043b\u043b\u0438\u0446\u0430 \u0432 \u0432\u044b\u0432\u043e\u0434\u0435 \u043f\u0440\u0435\u0432\u0440\u0430\u0442\u0438\u0442\u0441\u044f \u0432 \u043c\u0443\u0441\u043e\u0440. \u041f\u0440\u0438\u0435\u043c \u0441 \u043f\u0440\u0435\u0444\u0438\u043a\u0441\u043e\u043c <?xml encoding=\"UTF-8\"><\/code> \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442 \u043d\u0430 \u0431\u043e\u043b\u044c\u0448\u0438\u043d\u0441\u0442\u0432\u0435 \u0441\u0431\u043e\u0440\u043e\u043a libxml, \u043d\u043e \u044d\u0442\u043e \u0438\u043c\u0435\u043d\u043d\u043e \u043e\u0431\u0445\u043e\u0434\u043d\u043e\u0439 \u0442\u0440\u044e\u043a, \u0430 \u043d\u0435 \u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0439 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440, \u0438 \u0435\u0433\u043e \u043f\u043e\u0432\u0435\u0434\u0435\u043d\u0438\u0435 \u0437\u0430\u0432\u0438\u0441\u0438\u0442 \u043e\u0442 \u0432\u0435\u0440\u0441\u0438\u0438 libxml.<\/p>\n
      XPath — \u044f\u0437\u044b\u043a \u0430\u0434\u0440\u0435\u0441\u0430\u0446\u0438\u0438 \u0443\u0437\u043b\u043e\u0432: \/\/a<\/code> — \u0432\u0441\u0435 \u0441\u0441\u044b\u043b\u043a\u0438, \/\/div[@class=\"price\"]<\/code> — \u0432\u0441\u0435 div<\/code> \u0441 \u043d\u0443\u0436\u043d\u044b\u043c \u043a\u043b\u0430\u0441\u0441\u043e\u043c, \/\/h1\/text()<\/code> — \u0442\u0435\u043a\u0441\u0442 \u0437\u0430\u0433\u043e\u043b\u043e\u0432\u043a\u0430. \u0415\u0441\u043b\u0438 \u043f\u0440\u0438\u0432\u044b\u0447\u043d\u0435\u0435 CSS-\u0441\u0435\u043b\u0435\u043a\u0442\u043e\u0440\u044b (\u043a\u0430\u043a \u0432 jQuery), \u043f\u043e\u0441\u0442\u0430\u0432\u044c\u0442\u0435 \u043f\u0430\u043a\u0435\u0442\u044b symfony\/dom-crawler<\/code> \u0438 symfony\/css-selector<\/code> — \u0442\u043e\u0433\u0434\u0430 \u0434\u043e\u0441\u0442\u0443\u043f\u0435\u043d \u043c\u0435\u0442\u043e\u0434 filter('div.price a')<\/code>. \u0420\u0430\u043d\u044c\u0448\u0435 \u0434\u043b\u044f \u044d\u0442\u043e\u0433\u043e \u0431\u0440\u0430\u043b\u0438 \u0431\u0438\u0431\u043b\u0438\u043e\u0442\u0435\u043a\u0443 phpQuery, \u043d\u043e \u043e\u043d\u0430 \u0434\u0430\u0432\u043d\u043e \u0437\u0430\u0431\u0440\u043e\u0448\u0435\u043d\u0430 \u0438 \u043d\u0430 \u043d\u043e\u0432\u044b\u0445 \u043f\u0440\u043e\u0435\u043a\u0442\u0430\u0445 \u0435\u0435 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c \u043d\u0435 \u0441\u0442\u043e\u0438\u0442; Symfony DomCrawler — \u0430\u043a\u0442\u0443\u0430\u043b\u044c\u043d\u0430\u044f \u0437\u0430\u043c\u0435\u043d\u0430.<\/p>\n
      \u0420\u0435\u0433\u0443\u043b\u044f\u0440\u043d\u044b\u0435 \u0432\u044b\u0440\u0430\u0436\u0435\u043d\u0438\u044f: \u043a\u043e\u0433\u0434\u0430 \u043c\u043e\u0436\u043d\u043e, \u043a\u043e\u0433\u0434\u0430 \u043d\u0435\u043b\u044c\u0437\u044f<\/h2>\n
      \u0420\u0435\u0433\u0443\u043b\u044f\u0440\u043d\u043e\u0435 \u0432\u044b\u0440\u0430\u0436\u0435\u043d\u0438\u0435 (preg_match<\/code>, preg_match_all<\/code>) — \u0448\u0430\u0431\u043b\u043e\u043d \u0434\u043b\u044f \u043f\u043e\u0438\u0441\u043a\u0430 \u043f\u043e\u0434\u0441\u0442\u0440\u043e\u043a. \u0421\u043e\u0431\u043b\u0430\u0437\u043d \u0432\u044b\u0442\u0430\u0441\u043a\u0438\u0432\u0430\u0442\u044c \u0434\u0430\u043d\u043d\u044b\u0435 \u043f\u0440\u044f\u043c\u043e \u0438\u0437 HTML \u0440\u0435\u0433\u0443\u043b\u044f\u0440\u043a\u043e\u0439 \u0432\u0435\u043b\u0438\u043a, \u043d\u043e HTML — \u043d\u0435 \u0440\u0435\u0433\u0443\u043b\u044f\u0440\u043d\u044b\u0439 \u044f\u0437\u044b\u043a, \u0438 \u043d\u0430\u0438\u0432\u043d\u044b\u0439 \u0448\u0430\u0431\u043b\u043e\u043d \u043b\u043e\u043c\u0430\u0435\u0442\u0441\u044f \u043d\u0430 \u043f\u0435\u0440\u0432\u043e\u043c \u0436\u0435 \u043e\u0442\u043a\u043b\u043e\u043d\u0435\u043d\u0438\u0438 \u0432\u0435\u0440\u0441\u0442\u043a\u0438:<\/p>\n
      <?php<\/span>\n$html<\/span> =<\/span> '<a href=\"\/a\">A<\/a> <a href=\\'\/b\\'>B<\/a>'<\/span>;<\/span>\npreg_match_all<\/span>(<\/span>'\/<a href=\"([^\"]+)\"\/'<\/span>,<\/span> $html<\/span>,<\/span> $m<\/span>);<\/span>\nprint_r<\/span>(<\/span>$m<\/span>[<\/span>1<\/span>]);<\/span>\n\/\/ Array ( [0] => \/a )<\/span>\n\/\/ \u0432\u0442\u043e\u0440\u0430\u044f \u0441\u0441\u044b\u043b\u043a\u0430 \u0441 \u043e\u0434\u0438\u043d\u0430\u0440\u043d\u044b\u043c\u0438 \u043a\u0430\u0432\u044b\u0447\u043a\u0430\u043c\u0438 \u043f\u043e\u0442\u0435\u0440\u044f\u043d\u0430 - \u0448\u0430\u0431\u043b\u043e\u043d \u0436\u0434\u0430\u043b \u0442\u043e\u043b\u044c\u043a\u043e \u0434\u0432\u043e\u0439\u043d\u044b\u0435<\/span><\/code><\/pre>\n
      \u041f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u043e \u0442\u0443\u0442 — \u0440\u0430\u0437\u0431\u0438\u0440\u0430\u0442\u044c DOM-\u043f\u0430\u0440\u0441\u0435\u0440\u043e\u043c, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043f\u043e\u043d\u0438\u043c\u0430\u0435\u0442 \u0438 \u043e\u0434\u0438\u043d\u0430\u0440\u043d\u044b\u0435, \u0438 \u0434\u0432\u043e\u0439\u043d\u044b\u0435 \u043a\u0430\u0432\u044b\u0447\u043a\u0438, \u0438 \u043b\u0438\u0448\u043d\u0438\u0435 \u043f\u0440\u043e\u0431\u0435\u043b\u044b, \u0438 \u0432\u043b\u043e\u0436\u0435\u043d\u043d\u043e\u0441\u0442\u044c:<\/p>\n
      <?php<\/span>\n$doc<\/span> =<\/span> new<\/span> DOMDocument<\/span>();<\/span>\nlibxml_use_internal_errors<\/span>(<\/span>true<\/span>);<\/span>\n$doc<\/span>-><\/span>loadHTML<\/span>(<\/span>'<a href=\"\/a\">A<\/a> <a href=\\'\/b\\'>B<\/a>'<\/span>,<\/span> LIBXML_NOERROR<\/span>);<\/span>\nforeach<\/span> ((<\/span>new<\/span> DOMXPath<\/span>(<\/span>$doc<\/span>))<\/span>-><\/span>query<\/span>(<\/span>'\/\/a'<\/span>)<\/span> as<\/span> $a<\/span>)<\/span> {<\/span>\n    echo<\/span> $a<\/span>-><\/span>getAttribute<\/span>(<\/span>'href'<\/span>)<\/span> .<\/span> PHP_EOL<\/span>;<\/span>\n}<\/span>\n\/\/ \u0412\u044b\u0432\u043e\u0434:<\/span>\n\/\/ \/a<\/span>\n\/\/ \/b<\/span><\/code><\/pre>\n
      \u0420\u0435\u0433\u0443\u043b\u044f\u0440\u043a\u0438 \u0443\u043c\u0435\u0441\u0442\u043d\u044b \u0434\u043b\u044f \u043f\u0440\u043e\u0441\u0442\u043e\u0433\u043e \u0442\u0435\u043a\u0441\u0442\u0430 \u0432\u043d\u0443\u0442\u0440\u0438 \u0443\u0436\u0435 \u0438\u0437\u0432\u043b\u0435\u0447\u0435\u043d\u043d\u043e\u0433\u043e \u0443\u0437\u043b\u0430 — \u0432\u044b\u0442\u0430\u0449\u0438\u0442\u044c \u0447\u0438\u0441\u043b\u043e \u0438\u0437 \u0441\u0442\u0440\u043e\u043a\u0438 \u00ab\u0426\u0435\u043d\u0430: 1990 \u0440\u0443\u0431\u00bb, \u043f\u0440\u043e\u0432\u0435\u0440\u0438\u0442\u044c \u0444\u043e\u0440\u043c\u0430\u0442 \u0442\u0435\u043b\u0435\u0444\u043e\u043d\u0430. \u0414\u043b\u044f \u0440\u0430\u0437\u0431\u043e\u0440\u0430 \u0441\u0430\u043c\u043e\u0439 \u0440\u0430\u0437\u043c\u0435\u0442\u043a\u0438 \u0431\u0435\u0440\u0438\u0442\u0435 DOMDocument.<\/p>\n
      parse_url: \u0440\u0430\u0437\u0431\u043e\u0440 \u0430\u0434\u0440\u0435\u0441\u0430, \u0430 \u043d\u0435 \u0441\u0442\u0440\u0430\u043d\u0438\u0446\u044b<\/h2>\n
      parse_url()<\/code> \u043d\u0435 \u0445\u043e\u0434\u0438\u0442 \u0432 \u0441\u0435\u0442\u044c \u0438 \u043d\u0435 \u0447\u0438\u0442\u0430\u0435\u0442 HTML — \u043e\u043d\u0430 \u0440\u0435\u0436\u0435\u0442 \u043e\u0434\u043d\u0443 \u0441\u0442\u0440\u043e\u043a\u0443-\u0430\u0434\u0440\u0435\u0441 \u043d\u0430 \u043a\u043e\u043c\u043f\u043e\u043d\u0435\u043d\u0442\u044b. \u0415\u0435 \u043f\u0443\u0442\u0430\u044e\u0442 \u0441 \u043f\u0430\u0440\u0441\u0438\u043d\u0433\u043e\u043c \u0441\u0442\u0440\u0430\u043d\u0438\u0446 \u0438\u0437-\u0437\u0430 \u0441\u043b\u043e\u0432\u0430 \u00abparse\u00bb, \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u0434\u0435\u0440\u0436\u0438\u043c \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u043e.<\/p>\n
      <?php<\/span>\n$parts<\/span> =<\/span> parse_url<\/span>(<\/span>'https:\/\/user:pass@otus.ru:443\/journal\/?q=php#top'<\/span>);<\/span>\nprint_r<\/span>(<\/span>$parts<\/span>);<\/span>\n\/* \u0412\u044b\u0432\u043e\u0434:<\/span>\nArray<\/span>\n(<\/span>\n    [scheme] => https<\/span>\n    [host] => otus.ru<\/span>\n    [port] => 443<\/span>\n    [user] => user<\/span>\n    [pass] => pass<\/span>\n    [path] => \/journal\/<\/span>\n    [query] => q=php<\/span>\n    [fragment] => top<\/span>\n)<\/span>\n*\/<\/span><\/code><\/pre>\n
      \u0427\u0442\u043e \u0441\u0442\u043e\u0438\u0442 \u043f\u043e\u043c\u043d\u0438\u0442\u044c:<\/p>\n