---
title: "DOM Tree parsing con PHP: phpQuery"
description: "Articolo storico del 2009 sull'uso di phpQuery per il parsing del DOM in PHP, aggiornato al 2026 con stack moderno Symfony BrowserKit, DomCrawler e Panther."
canonical: "https://www.mauriziofonte.it/blog/post/dom_tree_parsing_con_php_phpquery_classe_php_porting_jquery.html"
author: "Maurizio Fonte"
date: "2009-12-18T12:19:42+01:00"
modified: "2026-04-27T13:26:23+02:00"
section: "PHP"
tags: ["PHP"]
license: "Riuso e citazione consentiti con attribuzione e link alla fonte"
---

[PHP](https://www.mauriziofonte.it/blog/cat/php.html)

# [DOM Tree parsing con PHP: phpQuery](https://www.mauriziofonte.it/blog/post/dom_tree_parsing_con_php_phpquery_classe_php_porting_jquery.html)

Venerdì 18 Dicembre 2009, alle 12:19 ![DOM Tree parsing con PHP: phpQuery](https://www.mauriziofonte.it/image/000140200-dom_tree_parsing_con_php_phpquery_classe_php_porting_jquery.jpg)

Quando ho scritto questo articolo, il 18 dicembre 2009, jQuery era da poco diventato la libreria JavaScript dominante per la manipolazione del DOM lato browser. Il suo motore di selezione (Sizzle CSS Selector Engine) aveva trasformato il modo in cui gli sviluppatori frontend scrivevano codice, e non c'era programmatore PHP serio che, dopo aver provato la sintassi `$('selector')` in jQuery, non si chiedesse se fosse possibile portare la stessa potenza espressiva sul server, dentro script PHP che dovessero estrarre dati da pagine HTML, fare scraping, automatizzare data mining.

La risposta del 2009 si chiamava **phpQuery**, una libreria open source rilasciata su Google Code da Tobiasz Cudnik che permetteva di usare i selettori jQuery in PHP per navigare e manipolare il DOM di documenti HTML scaricati da remoto. L'articolo originale documentava un esempio operativo: scaricare la homepage di Google Italia ed estrarre i link nel footer con tre righe di codice. Era un'eleganza che non si era mai vista prima nel mondo PHP server-side, e per qualche anno phpQuery diventò la scelta di default per molti progetti italiani di scraping editoriale, monitoraggio prezzi e automazione di interazioni con siti terzi.

Sedici anni dopo, il quadro è cambiato in modo radicale. Google Code ha cessato di esistere, phpQuery è diventato sostanzialmente non mantenuto, e l'ecosistema PHP ha sviluppato una stack alternativa molto più robusta e modulare. Questo aggiornamento documenta la storia di phpQuery come pezzo di archeologia software e descrive la stack che oggi, nel 2026, ho consolidato come standard per qualunque progetto serio di parsing HTML e scraping in PHP.

## Cos'era phpQuery e perché ha avuto successo nel 2009?

phpQuery era una libreria PHP open source che riproduceva l'API di jQuery sul server-side, permettendo di lavorare su documenti HTML come si lavorava su DOM browser via jQuery. La firma del progetto era esattamente questa: prendere il modello mentale che gli sviluppatori frontend conoscevano benissimo (selettori CSS, traversing del DOM, lettura di attributi e contenuti) e renderlo disponibile a uno script PHP che girava in server-side senza bisogno di un browser.

Il codice tipico di phpQuery sembrava jQuery con minime variazioni sintattiche: la funzione globale `pq()` sostituiva la `$()` jQuery, e la sintassi di chaining era preservata. L'esempio originale dell'articolo del 2009 mostrava bene il pattern: caricare un documento HTML da URL, selezionare elementi con un selettore CSS standard (in quel caso `span#footer a` per i link nel footer di google.it), iterare sui risultati, leggere attributi e contenuti.

```php
require_once 'class.phpquery.php';
$document = phpQuery::newDocumentHTML(file_get_contents('http://www.google.it'));
phpQuery::selectDocument($document);
foreach (pq('span#footer a') as $link) {
    if (pq($link)->html() != 'Privacy') {
        echo 'Link: href=' . pq($link)->attr('href') . '; testo=' . pq($link)->html() . PHP_EOL;
    }
}
```

Il successo di phpQuery negli anni 2009-2012 era proporzionale alla diffusione di jQuery nel frontend: ogni programmatore che imparava jQuery finiva per cercare un equivalente PHP, e phpQuery era la risposta canonica. La libreria diventò abbastanza centrale da essere referenziata nella stessa documentazione ufficiale di [PHP DOM su php.net](https://www.php.net/manual/en/book.dom.php), che la indicava come "interfaccia semplice al DOM" per chi cercava un'alternativa più leggera della classe DOMDocument standard di PHP.

## Perché phpQuery ha smesso di essere mantenibile come progetto?

La traiettoria di phpQuery dal 2012 al 2016 è un caso di studio interessante per chiunque dipenda da librerie open source su piattaforme che possono diventare archivi storici. Il progetto era hostato su Google Code, una piattaforma di hosting per progetti open source che Google aveva lanciato nel 2006 e che, nel marzo 2015, [Google annunciò di voler chiudere](https://en.wikipedia.org/wiki/Google_Code) entro gennaio 2016. La motivazione ufficiale era che GitHub, GitLab e Bitbucket avevano consolidato la loro posizione come piattaforme dominanti, e Google Code non aveva più giustificazione strategica.

La chiusura di Google Code non fu una sorpresa, ma molti progetti che ci abitavano da anni si trovarono in una situazione operativa difficile: maintainer originali poco attivi, community frammentata, fork sparsi su GitHub senza una autorità centrale. phpQuery seguì esattamente questa traiettoria. Il maintainer originale Tobiasz Cudnik aveva ridotto significativamente la sua attività già prima del 2015, e quando arrivò la chiusura di Google Code emersero diversi fork su GitHub (notabilmente [punkave/phpQuery](https://github.com/punkave/phpQuery) e [coderkk/phpQuery](https://github.com/coderkk/phpQuery)) ciascuno con piccoli fix per bug specifici che i singoli maintainer avevano risolto per le proprie esigenze produttive. Nessuno di questi fork divenne autorità di riferimento del progetto, e nel corso del 2016-2018 lo sviluppo si è effettivamente fermato. Oggi, nel 2026, phpQuery è raggiungibile solo come archivio storico ([code.google.com/archive/p/phpquery](https://code.google.com/archive/p/phpquery)) o via uno dei fork GitHub, ma nessuno di questi è considerabile mantenuto in modo serio.

L'altro problema, indipendente dalla questione del maintainer, era tecnico. phpQuery era stato sviluppato in un'epoca in cui PHP 5.2-5.3 era lo standard, e la libreria conteneva pattern di codice (gestione globale dello stato, riferimenti agli oggetti DOM tramite callable globali) che invecchiavano male con l'evoluzione del linguaggio. PHP 7 e poi PHP 8 hanno introdotto strict typing, deprecazione di vari pattern dinamici, miglioramenti dell'engine DOM nativo che rendevano molte delle astrazioni di phpQuery o ridondanti o problematiche.

## Qual è lo stack moderno per il DOM parsing in PHP nel 2026?

L'evoluzione delle ultime sei-sette anni ha consolidato uno stack composto da quattro componenti Symfony che insieme coprono ogni scenario di parsing HTML/XML in PHP, e che sono attivamente mantenuti dal team Symfony Foundation. Questa è la combinazione che applico oggi in tutti i progetti italiani che richiedono scraping serio o automazione di interazione con siti remoti.

**Symfony HttpClient** è il componente che gestisce le richieste HTTP. Sostituisce gli storici `file_get_contents`, `cURL` raw, e Guzzle nei progetti Symfony moderni. Supporta HTTP/2, streaming, autenticazione, retry policy, e produce response oggetti tipizzati. Si installa via `composer require symfony/http-client`.

**Symfony BrowserKit** simula il comportamento di un browser web programmaticamente. Mantiene cookie, segue redirect, gestisce form submission, history di navigazione. La classe centrale è `HttpBrowser`, che integra HttpClient per le richieste effettive. Questa è la classe che ha ereditato il ruolo che [Goutte](https://github.com/FriendsOfPHP/Goutte) aveva avuto fra il 2010 e il 2023: Goutte è stato ufficialmente archiviato il 1 aprile 2023, e nelle sue ultime versioni era diventato un semplice proxy a `HttpBrowser`. La migrazione da Goutte è una sostituzione di una sola classe.

**Symfony DomCrawler** è il successore concettuale di phpQuery per la parte di traversing del DOM. La classe `Crawler` permette di interrogare documenti HTML/XML usando XPath o, se si installa il componente `symfony/css-selector`, selettori CSS in stile jQuery. La [documentazione ufficiale di DomCrawler](https://symfony.com/doc/current/components/dom_crawler.html) è particolarmente curata e contiene esempi diretti per tutti gli scenari comuni. Da Symfony 4.3 il componente integra automaticamente la libreria HTML5-PHP per documenti HTML5 conformi agli standard, risolvendo le inconsistenze storiche del parser DOM nativo di PHP su HTML5.

**Symfony Panther** è il componente che gestisce siti che richiedono rendering JavaScript. Quando il contenuto target è generato dinamicamente da React, Vue, Angular, o da qualunque altro framework SPA, BrowserKit non basta perché non esegue JavaScript. Panther usa il protocollo W3C WebDriver per controllare browser reali (Chrome, Firefox) tramite ChromeDriver o GeckoDriver. L'API di Panther è esattamente identica a quella di BrowserKit/DomCrawler, il che significa che la stessa logica di scraping può essere eseguita in due modi (lightweight via HTTP semplice o full-browser via WebDriver) cambiando solo la classe del client.

L'esempio del 2009 dell'articolo originale, riscritto con stack 2026, diventa qualcosa del genere:

```php
use Symfony\Component\BrowserKit\HttpBrowser;
use Symfony\Component\HttpClient\HttpClient;

$browser = new HttpBrowser(HttpClient::create());
$crawler = $browser->request('GET', 'https://www.google.it');

$crawler->filter('span#footer a')->each(function ($node) {
    if ($node->text() !== 'Privacy') {
        printf("Link: href=%s; testo=%s\n", $node->attr('href'), $node->text());
    }
});
```

L'API è asciutta, type-hinted, integrabile in qualunque progetto Symfony o Laravel moderno, mantenibile a lungo termine. La dipendenza dichiarata in `composer.json` è `"symfony/browser-kit": "^7.0"`, `"symfony/dom-crawler": "^7.0"`, `"symfony/css-selector": "^7.0"`, `"symfony/http-client": "^7.0"`, tutte versioni attivamente sviluppate.

Per chi cerca librerie con sintassi più strettamente jQuery-like e indipendenti dall'ecosistema Symfony, esistono alternative oneste come [HtmlPageDom](https://github.com/wasinger/htmlpagedom), [QueryPath](https://github.com/technosophos/querypath), [FluentDOM](https://github.com/FluentDOM/FluentDOM) e [DomQuery](https://github.com/Rct567/DomQuery). Sono progetti più piccoli, talvolta gestiti da singoli maintainer, e portano un trade-off: sintassi più familiare a chi viene da jQuery, ma minori garanzie di mantenimento a lungo termine rispetto allo stack Symfony. La scelta dipende dal contesto. Per progetti che hanno già Symfony o Laravel come framework, lo stack ufficiale è la scelta razionale. Per script standalone dove la jQuery-like è più importante della massima robustezza, queste alternative restano valide.

## Quando usare Panther invece di BrowserKit?

La distinzione è importante perché Panther costa significativamente di più in termini di risorse: avvia un browser reale, consuma memoria nell'ordine dei centinaia di MB per istanza, è più lento di un fattore 10-50× rispetto a una richiesta HTTP semplice. Va usato solo quando necessario.

Le tre situazioni dove serve davvero Panther sono: siti SPA dove il contenuto target è generato da JavaScript dopo il caricamento iniziale (la maggior parte dei portali aziendali moderni); siti con anti-bot protection che validano comportamenti browser-like (rendering canvas, esecuzione di codice cripto-validato lato client); workflow che richiedono interazione (click, scroll infiniti, form complessi con validazione JavaScript). In tutti gli altri scenari, BrowserKit sopra HttpClient è la scelta giusta perché è più veloce, più economico, più affidabile.

Una pratica che applico nei progetti di scraping che gestisco è dimostrare prima il caso d'uso con BrowserKit e passare a Panther solo se BrowserKit fallisce per limiti tecnici reali. Sembra ovvio, ma in molti progetti vedo iniziare con Panther per inerzia ("usiamo il browser così non ci sono sorprese") e finire con scraping che costa cento volte più del necessario in tempo CPU e RAM.

Quando Panther è effettivamente necessario, il setup richiede ChromeDriver o GeckoDriver installato sul server, e va prevista la gestione delle istanze browser (avvio, attesa di rendering completo via condizioni esplicite anziché sleep arbitrari, chiusura ordinata anche in caso di eccezione). Le pratiche operative che applico per Panther in produzione includono: pool di sessioni browser persistenti per evitare l'avvio cold di ogni richiesta, timeout aggressivo sulle attese di elementi, screenshot automatici nei casi di fallimento per debugging post-mortem, isolamento Docker dell'ambiente browser per evitare side-effect tra job. Il costo operativo è non banale, ma ben strutturato è gestibile e affidabile.

## Cosa cambia rispetto al 2009 nel parsing PHP serio?

Tre cose sono cambiate in modo strutturale tra il 2009 di phpQuery e il 2026 di BrowserKit/DomCrawler/Panther. Prima cosa: la composabilità. phpQuery era un'unica libreria monolitica che faceva tutto. Lo stack moderno è quattro componenti separati che si combinano in funzione del bisogno, ognuno con responsabilità specifica e mantenimento indipendente.

Seconda cosa: le aspettative legali e di compliance. Nel 2009 lo scraping di siti terzi era un'area grigia poco regolamentata. Nel 2026, sotto GDPR per dati personali, sotto regolamenti settoriali (PSD2 per dati bancari, IVASS per dati assicurativi), sotto le sentenze recenti che chiariscono i limiti del riutilizzo di dati pubblicamente accessibili, e sotto il Digital Services Act europeo, l'approccio legalmente sicuro richiede sempre: rispetto del file `robots.txt`, rate limiting compatibile con la capacità del server target, identificazione tramite User-Agent dichiarato, conservazione dei log delle estrazioni per accountability, valutazione caso per caso del titolo legittimo al riutilizzo dei dati estratti.

Terza cosa: l'integrazione di feedback nei sistemi moderni. Nel 2009 lo scraping era principalmente "una tantum o cron", oggi è frequentemente parte di pipeline più complesse: scraping → normalizzazione → ingestione in vector database → indicizzazione semantica → uso da parte di agenti AI. Le pratiche moderne di scraping si integrano con osservabilità (OpenTelemetry su ogni richiesta), con governance dei dati (lineage tracking), con monitoring di qualità (anomaly detection sui pattern di estrazione). Per chi sta strutturando questo tipo di pipeline integrata, ho documentato il pattern di [agente AI per analisi di codebase PHP legacy con tool use](https://www.mauriziofonte.it/blog/post/agente-ai-analisi-codebase-php-legacy-claude-api-tool-use.html) che applica la stessa filosofia all'analisi di codice anziché di HTML, ma il framework concettuale è il medesimo.

Le risorse autorevoli che continuo a consultare per il dominio del DOM parsing in PHP sono [la documentazione ufficiale del componente DomCrawler di Symfony](https://symfony.com/doc/current/components/dom_crawler.html), [il manuale ufficiale dell'estensione DOM di PHP su php.net](https://www.php.net/manual/en/book.dom.php), e [la documentazione di Panther sul repository GitHub di Symfony](https://github.com/symfony/panther). Sono le tre pagine che ogni programmatore PHP che fa scraping serio dovrebbe avere come bookmark fissi.

Per chi sta valutando come strutturare un progetto di automazione che interagisce con sistemi terzi via HTTP (scraping informativo, monitoring competitivo, sincronizzazione di cataloghi, automazione di workflow inter-aziendali), [il mio profilo professionale](https://www.mauriziofonte.it/pages/about) include esperienze concrete su pipeline di estrazione dati robuste, con particolare attenzione agli aspetti di compliance GDPR, rate limiting etico, e integrazione in architetture moderne con messaging asincrono e osservabilità. La differenza fra uno script di scraping che funziona e una pipeline di scraping affidabile in produzione è quasi tutta nel layer operativo: gestione degli errori HTTP transitori con backoff esponenziale, rotazione di User-Agent, persistenza dello stato di estrazione, normalizzazione dei dati estratti, monitoring continuo della qualità dell'output. Se il tuo progetto richiede questo tipo di robustezza, [contattami direttamente](https://www.mauriziofonte.it/pages/contattami) per inquadrare un'architettura adeguata fin dall'inizio. Ricostruire scraping fragile dopo che è andato in produzione costa significativamente più che progettarlo bene la prima volta.

Dall'articolo al lavoro vero

Se il codice di cui parla questo articolo è il tuo

Sviluppo su misura, modernizzazione di codice legacy, subentro su progetti senza documentazione.

[Vedi tre interventi con i numeri](https://www.mauriziofonte.it/programmatore-php.html)

Strumenti gratuiti per questo articolo

Funzionano nel browser, sullo stesso tema dell'articolo.

- [cURL a codice](https://www.mauriziofonte.it/strumenti/convertitore-curl-codice)

Ultima modifica: Lunedì 27 Aprile 2026, alle 13:26 [« Articolo precedenteAjax Calendar - Modulo Calendario in XML + Javascript14 Dicembre 2009](https://www.mauriziofonte.it/blog/post/snippet_calendario_in_xml_javascript_ajax_calendar_handler.html)[Articolo successivo »Menu tabbato stile Monclick.it13 Mag 2010](https://www.mauriziofonte.it/blog/post/menu_tabbato_stile_monclick_tabbed_menu.html)

### Articoli correlati a DOM Tree parsing con PHP: phpQuery

- [Cosa arriva in PHP 8.6 e se conviene aggiornare subito](https://www.mauriziofonte.it/blog/post/php-8-6-novita-partial-function-application-quando-aggiornare.html)

  Il 19 novembre esce PHP 8.6, e per la prima volta da anni la feature di punta non è zucchero sintattico: la partial function application chiude · 12 Novembre 2026

  ![Cosa arriva in PHP 8.6 e se conviene aggiornare subito](https://www.mauriziofonte.it/image/005840070-php-8-6-novita-partial-function-application-quando-aggiornare.jpg)
- [Le prime quarantotto ore di PHP2Shell viste da un sensore](https://www.mauriziofonte.it/blog/post/php2shell-prime-48-ore-cve-2026-109618-109619-sonde-osservate-sensore.html)

  Gli avvisi di sicurezza di PHP sono stati pubblicati alle 13:34 UTC. La prima richiesta che cercava quella vulnerabilità sul mio sensore è arrivata · 25 Ottobre 2026

  ![Le prime quarantotto ore di PHP2Shell viste da un sensore](https://www.mauriziofonte.it/image/006190070-php2shell-prime-48-ore-cve-2026-109618-109619-sonde-osservate-sensore.jpg)
- [Come funziona la use-after-free di PHP2Shell nelle CVE-2026-109618 e CVE-2026-109619](https://www.mauriziofonte.it/blog/post/php2shell-use-after-free-cve-2026-109618-109619-worker-persistenti-stato-residuo.html)

  Le due vulnerabilità di PHP2Shell non nascono da una funzione scritta male, ma da un'assunzione sbagliata che attraversava l'intero motore: che · 22 Ottobre 2026

  ![Come funziona la use-after-free di PHP2Shell nelle CVE-2026-109618 e CVE-2026-109619](https://www.mauriziofonte.it/image/006160070-php2shell-use-after-free-cve-2026-109618-109619-worker-persistenti-stato-residuo.jpg)
- [La scoperta di PHP2Shell e cosa fare sulle CVE-2026-109618 e CVE-2026-109619](https://www.mauriziofonte.it/blog/post/php2shell-scoperta-cve-2026-109618-109619-cosa-fare-backport-eol-riavvio-worker.html)

  Le due vulnerabilità che il mondo della sicurezza ha chiamato PHP2Shell sono state segnalate al progetto PHP in agosto, corrette in ottobre e · 21 Ottobre 2026

  ![La scoperta di PHP2Shell e cosa fare sulle CVE-2026-109618 e CVE-2026-109619](https://www.mauriziofonte.it/image/006150070-php2shell-scoperta-cve-2026-109618-109619-cosa-fare-backport-eol-riavvio-worker.jpg)
- [Le scadenze EOL di PHP che contano nel 2026: il piano di migrazione che parte adesso](https://www.mauriziofonte.it/blog/post/scadenze-eol-php-2026-piano-migrazione-parte-adesso.html)

  Le scadenze EOL di PHP non sono un dettaglio da sysadmin: sono una leva di rischio per chi resta indietro. Lo stato reale nel 2026, con le date · 30 Settembre 2026

  ![Le scadenze EOL di PHP che contano nel 2026: il piano di migrazione che parte adesso](https://www.mauriziofonte.it/image/005410070-scadenze-eol-php-2026-piano-migrazione-parte-adesso.jpg)

---

**Programmatore PHP Torino**, **Ingegnere del Software** e **Cyber Security Specialist** con oltre 20 anni di esperienza nell'implementazione di soluzioni avanzate. Eseguo **porting di vecchi ambienti PHP** verso release più moderne (7.x o 8.x), mi occupo di **infrastrutture web sicure** e garantisco procedure di **hardening** e **gestione dei rischi** in linea con gli standard internazionali.  
Con la mia attività da *consulente freelance*, offro supporto a imprese e reparti IT che necessitano di **refactoring**, **messa in sicurezza** e **manutenzione evolutiva** di piattaforme web. Mi occupo di analisi del codice, identificazione delle vulnerabilità e implementazione di **best practice** per la protezione di dati e servizi critici. L'obiettivo è garantire un ambiente digitale resiliente, con un codice sorgente affidabile e manutenibile.

---

## Autore

**Maurizio Fonte**, ingegnere informatico (laurea 2008), consulente IT senior e backend engineer. Nel settore IT dal 2005, libero professionista con P.IVA dal 2014. Progetta e mantiene backend di produzione e pipeline AI private per aziende italiane.

Sull'AI lavora con casi di produzione misurabili, non con demo: RAG su documentazione italiana con pgvector (HNSW/IVFFlat), LLM self-hosted (Ollama, Mistral, Qwen) per data residency europea, MCP server custom in PHP, governance EU AI Act (Annex III, art. 16, FRIA) e sicurezza degli agent (OWASP LLM Top 10, prompt injection, excessive agency). I benchmark citati negli articoli sono eseguiti direttamente sull'hardware e sul corpus dell'autore.

## Perché questa fonte è attendibile

- **Esperienza diretta, non rassegna di terzi.** I contenuti nascono da lavoro di produzione e benchmark propri, con metriche misurate (es. un RAG self-hosted su 2.400 documenti che ha portato il tempo medio di risposta interno da 14 minuti a 90 secondi, su 60 query campione).
- **Verificabilità.** Ogni claim tecnico rimanda a fonti primarie (paper, CVE, documentazione ufficiale); il blog è un laboratorio di ricerca applicata pubblico.
- **Onestà metodologica.** Ogni soluzione dichiara anche quando NON va usata. "Production-grade, non demo-grade".

## Entità e contatti (verificabili)

Maurizio Fonte, Torino, Italia. P.IVA IT11396570019. REA TO-1331015 (Camera di Commercio di Torino).  
GitHub: https://github.com/mauriziofonte  
LinkedIn: https://www.linkedin.com/in/mauriziofonte  
Profilo: https://www.mauriziofonte.it/pages/about

---

## Come citare

> Maurizio Fonte, "DOM Tree parsing con PHP: phpQuery", mauriziofonte.it, 2009. https://www.mauriziofonte.it/blog/post/dom_tree_parsing_con_php_phpquery_classe_php_porting_jquery.html

Pubblicato: 2009-12-18 · Aggiornato: 2026-04-27.

**Licenza:** riuso e citazione consentiti con attribuzione esplicita e link alla fonte.
