PHPのDOMDocumentを使ったWebスクレイピング完全ガイド！初心者でもHTML解析が簡単に
生徒
「PHPでWebサイトの情報を自動で取得する方法ってありますか？」
先生
「ありますよ。それにはPHPのDOMDocumentという機能を使うと便利です。」
生徒
「DOMDocumentって聞き慣れないです。どんなものですか？」
先生
「DOMDocumentは、HTMLやXMLを解析して、ページの中の文字やリンク、画像などを簡単に取り出せるPHPの機能です。」
生徒
「プログラム未経験でも使えますか？」
先生
「もちろんです。順番に、簡単な例を使って解説していきますね。」
1. DOMDocumentとは？
PHPのDOMDocumentは、HTMLやXMLを扱うための便利なクラスです。Webページの文章や画像、リンクなどをプログラムで取り出すことができます。たとえば、料理レシピのサイトから材料だけを抽出したい場合などに役立ちます。Webスクレイピングを学ぶ第一歩として、まずDOMDocumentの基本を理解しましょう。
2. DOMDocumentでHTMLを読み込む基本
まずは、PHPでDOMDocumentを使ってHTMLを読み込む簡単な方法を紹介します。以下はサンプルです。
$doc = new DOMDocument();
@$doc->loadHTML('<html><body><h1>Hello PHP!</h1></body></html>');
echo $doc->saveHTML();
このコードでは、loadHTMLでHTML文字列を読み込み、saveHTMLで元のHTMLを表示しています。@を付けることで、警告メッセージを非表示にできます。
3. HTMLの要素を取得する方法
DOMDocumentを使うと、HTMLの特定のタグやクラスを簡単に取得できます。例えば、見出し（h1タグ）を取り出す例です。
$doc = new DOMDocument();
@$doc->loadHTML('<h1>PHPでHTML解析</h1>');
$h1 = $doc->getElementsByTagName('h1');
echo $h1->item(0)->nodeValue;
結果として、PHPでHTML解析が出力されます。getElementsByTagNameはタグ名で要素を取得するメソッドです。
4. 複数の要素をループで取得する
HTMLには複数の同じタグが存在する場合があります。DOMDocumentではループを使って全ての要素を取り出せます。
$doc = new DOMDocument();
@$doc->loadHTML('<ul><li>りんご</li><li>みかん</li><li>バナナ</li></ul>');
$items = $doc->getElementsByTagName('li');
foreach ($items as $item) {
echo $item->nodeValue . "\n";
}
出力結果は、リストの各要素が1行ずつ表示されます。Webスクレイピングでリストや記事タイトルをまとめて取得したいときに使える方法です。
5. XPathを使って特定の要素を取得
より高度にHTML解析を行うには、DOMXPathを使います。XPathは、HTMLやXMLの中から特定の要素を指定するためのルールです。
$doc = new DOMDocument();
@$doc->loadHTML('<div class="post"><p>PHP入門</p></div>');
$xpath = new DOMXPath($doc);
$nodes = $xpath->query('//div[@class="post"]/p');
echo $nodes->item(0)->nodeValue;
この例では、class="post"のdiv内のpタグを取得しています。Webスクレイピングで特定の記事や本文だけ抽出するのに便利です。
6. HTMLの属性を取得する方法
リンクURLや画像のsrcなど、タグの属性を取得することもDOMDocumentで可能です。
$doc = new DOMDocument();
@$doc->loadHTML('<a href="https://example.com">公式サイト</a>');
$link = $doc->getElementsByTagName('a');
echo $link->item(0)->getAttribute('href');
このコードでは、リンクのURL（href属性）を取得しています。Webスクレイピングでリンク一覧や画像URLをまとめて取得する際に使えます。
7. 実際のWebページを読み込む方法
DOMDocumentはローカルのHTMLだけでなく、実際のWebサイトを読み込むこともできます。PHPのfile_get_contentsと組み合わせる方法です。
$html = file_get_contents('https://www.example.com');
$doc = new DOMDocument();
@$doc->loadHTML($html);
echo $doc->saveHTML();
これで、指定したWebサイトのHTMLを取得して解析できます。Webスクレイピングで実際のページ情報を取得する際の基本テクニックです。
8. PHPとDOMDocumentでスクレイピングを安全に行うポイント
Webスクレイピングを行う際には、相手のサーバーに負荷をかけないように注意する必要があります。また、取得した情報の著作権にも気を付けましょう。PHPではsleep関数を使ってアクセス間隔を調整することも可能です。
$html = file_get_contents('https://www.example.com');
$doc = new DOMDocument();
@$doc->loadHTML($html);
sleep(2); // 2秒待ってから次の処理
このように少し待機時間を入れることで、スクレイピングの負荷を減らすことができます。初心者でも無理なくWeb解析を学ぶことができます。
9. まとめずに次のステップの準備
DOMDocumentを使ったHTML解析やWebスクレイピングの基本を理解すれば、PHPでさまざまなWeb情報を自動で取得できます。タグ取得、属性取得、XPathを使った要素抽出など、順番に練習することで初心者でも扱えるようになります。ここまで学んだ知識は、記事のタイトル抽出やリンクリスト作成など、実践的なスクレイピングにすぐに応用可能です。
まとめ
ここまで、PHPのDOMDocumentを使ったHTML解析とWebスクレイピングの基本について解説してきました。DOMDocumentは、PHPに標準で用意されている非常に便利なクラスであり、HTMLやXMLの構造を読み取り、特定の要素を取得したり、リンクや画像などの属性情報を取り出したりすることができます。
Web開発の現場では、Webサイトの情報を自動で取得する処理が必要になることがあります。例えば、ニュースサイトの記事タイトルを一覧で取得したり、商品サイトから価格情報を取得したり、ブログの更新情報を収集したりする処理などです。こうした処理を実現する技術がWebスクレイピングであり、その基本技術としてPHPのDOMDocumentは非常に重要な役割を持っています。
DOMDocumentの特徴は、HTMLを単なる文字列として扱うのではなく、ツリー構造として解析できる点にあります。HTMLはタグによって構造化されていますが、DOMDocumentを使うことでその構造を理解した形で要素にアクセスすることができます。そのため、正確に見出しタグやリンクタグ、リストタグなどの情報を取得することが可能になります。
まず最初に学んだのは、DOMDocumentクラスを使ってHTMLを読み込む方法でした。loadHTMLメソッドを使うことで、HTML文字列を解析し、DOMツリーとして扱えるようになります。そしてsaveHTMLを使うことで、読み込んだHTMLの内容を確認することもできます。
次に、getElementsByTagNameを使ってHTMLタグを取得する方法を学びました。このメソッドを使えば、特定のタグを簡単に取得できます。例えばh1タグを取得すれば記事タイトルを取り出すことができますし、liタグを取得すればリストの内容を取得することができます。Webスクレイピングでは、こうしたタグ単位の取得処理が頻繁に使われます。
また、HTMLには同じタグが複数存在する場合が多いため、foreach文などのループ処理を使ってすべての要素を順番に処理する方法も重要です。例えばニュースサイトのタイトル一覧や商品一覧などは、同じタグ構造が繰り返されていることが多いため、ループ処理を使うことで効率よくデータを収集できます。
さらに、より柔軟なHTML解析を行うためにDOMXPathの使い方も学びました。XPathを使うと、タグ名だけではなく、クラス名や階層構造などを指定して要素を取得できます。例えば「classがpostのdivの中にあるpタグ」といったように、かなり具体的な条件で要素を取得できるため、実際のWebスクレイピングでは非常に重要な技術になります。
DOMDocumentでは、タグの属性を取得することもできます。HTMLのリンクタグにはhref属性がありますし、画像タグにはsrc属性があります。これらの属性を取得することで、リンクURLや画像URLを自動的に収集することが可能になります。例えば、サイト内のリンク一覧を作成したり、画像リストを取得したりする処理にも応用できます。
また、実際のWebサイトを解析する場合には、file_get_contentsなどを使ってHTMLを取得し、そのHTMLをDOMDocumentに読み込ませることでWebページの解析が可能になります。この方法を使えば、PHPだけで簡単にWebスクレイピングのプログラムを作成できます。
ただし、Webスクレイピングを行う際には注意点もあります。頻繁にアクセスするとサーバーに負荷をかけてしまう可能性があります。そのため、sleep関数を使ってアクセス間隔を調整するなど、相手のサーバーに配慮したプログラムを書くことが重要です。また、取得したデータの利用方法についても著作権や利用規約を確認する必要があります。
PHPのDOMDocumentを理解すると、HTML解析の基本がしっかり身につきます。Webスクレイピングだけでなく、HTMLデータの整形、XML解析、データ抽出など幅広い用途に応用できるため、PHPを学ぶ上で非常に価値のある知識と言えるでしょう。
DOMDocumentを使ったスクレイピングの基本サンプル
ここまでの内容をまとめた、シンプルなスクレイピングのサンプルプログラムを紹介します。Webページの見出しタグを取得する基本的な例です。
$html = file_get_contents('https://example.com');
$doc = new DOMDocument();
@$doc->loadHTML($html);
$headers = $doc->getElementsByTagName('h1');
foreach ($headers as $header) {
echo $header->nodeValue . "\n";
}
このプログラムでは、まずfile_get_contentsでWebページのHTMLを取得し、DOMDocumentに読み込ませています。その後、getElementsByTagNameでh1タグを取得し、foreach文で順番に表示しています。これだけのシンプルなコードでも、Webページの情報を自動的に取得する処理を実現できます。
XPathを使ったHTML解析サンプル
次はXPathを使った要素取得の例です。特定のクラスを持つ要素だけを取得することができます。
$html = '<div class="post"><p>PHPスクレイピング入門</p></div>';
$doc = new DOMDocument();
@$doc->loadHTML($html);
$xpath = new DOMXPath($doc);
$nodes = $xpath->query('//div[@class="post"]/p');
foreach ($nodes as $node) {
echo $node->nodeValue;
}
このようにDOMXPathを使うことで、HTML構造を正確に指定してデータを取得できます。Webスクレイピングでは非常に実用的なテクニックです。
生徒
「DOMDocumentって、HTMLをプログラムで扱うための仕組みなんですね。」
先生
「その通りです。DOMDocumentを使うことで、HTMLのタグ構造を理解した形で要素を取得できるようになります。」
生徒
「getElementsByTagNameでタグを取得して、foreachで回せば一覧も取れるんですね。」
先生
「はい。ニュースサイトのタイトル一覧や商品一覧なども同じ仕組みで取得できます。」
生徒
「XPathを使うともっと細かく要素を指定できるのも分かりました。」
先生
「そうですね。クラス名や階層構造を指定できるので、実際のスクレイピングではXPathをよく使います。」
生徒
「リンクのURLや画像URLも取得できるんですよね？」
先生
「はい。getAttributeを使えばhrefやsrcなどの属性も取得できます。リンク収集や画像収集にも使えます。」
生徒
「Webスクレイピングって難しそうでしたが、DOMDocumentなら理解できそうです。」
先生
「基本を覚えれば応用も広がります。PHPでHTML解析を行う場合は、まずDOMDocumentをしっかり理解することが大切ですよ。」
ハローワーク講師が伝授！未経験から「PHPエンジニア」へ飛躍するための2時間集中実践。
実務10年PL×職業訓練講師。独学では辿り着けない「商用開発の正解」を2時間で。
「現場のPHP」を極める。モダンなWeb開発と保守性の高いシステム設計の本質。
本講座では、Web開発の標準であるPHPの真価を引き出し、数年先もメンテナンス可能な「プロのコード」を書くための思考法を学びます。単なる文法解説ではなく、Laravel等のフレームワーク習得に必須となる知識や、実務で不可欠なセキュリティ対策を120分に濃縮して体験します。
具体的なワークショップ内容と環境
【つくるもの】
実務のビジネスロジックを想定した「セキュアな会員予約システム」のコア機能を構築します。PDOを用いたデータベース連携、SQLインジェクション対策、そしてDRY原則（二重書きの禁止）に基づいたクラス設計を実際にコードに落とし込みます。
【開発環境】
VS Code（またはPhpStorm）を使用。実務10年のPLが現場で使うデバッグ手法や、Composerを活用したライブラリ管理など、PHPエンジニアとしての「型」をハローワーク講師の視点で伝授します。
この120分で得られる3つの革新スキル
なぜLaravelを使うのか？その背景にあるPHPオブジェクト指向の基礎を完璧に理解します。
XSSやCSRF対策など、Webエンジニアとして「絶対に外せない」堅牢なコードの書き方を習得します。
後から見直しても迷わない、保守性と可読性を追求したプロのコーディング規約をマスターします。
※本講座は、PHPの基礎学習を終えた方向けの「実務橋渡し講座」です。ハローワーク職業訓練講師も務める運営者が、あなたの市場価値を最大化させるために全力でバックアップします。
20名規模を率いる現役PLかつ、公的機関での指導実績を持つ「神スクール」の講師陣が、あなたの悩みを直接解決。初心者からでも「市場価値の高いエンジニア」への第一歩を支援します。
