我有一個網頁,其中的描述在另一個網站(如書籤/網站列表)中列出。我如何使用PHP從該頁面獲取所有URL並將它們寫入txt文件(每行一個,只有url沒有描述)?如何從頁面獲取所有網址(php)
頁看起來是這樣的:
而且我想腳本的TXT輸出看起來像這樣:
我有一個網頁,其中的描述在另一個網站(如書籤/網站列表)中列出。我如何使用PHP從該頁面獲取所有URL並將它們寫入txt文件(每行一個,只有url沒有描述)?如何從頁面獲取所有網址(php)
頁看起來是這樣的:
而且我想腳本的TXT輸出看起來像這樣:
單程
$url="http://wwww.somewhere.com";
$data=file_get_contents($url);
$data = strip_tags($data,"<a>");
$d = preg_split("/<\/a>/",$data);
foreach ($d as $k=>$u){
if(strpos($u, "<a href=") !== FALSE){
$u = preg_replace("/.*<a\s+href=\"/sm","",$u);
$u = preg_replace("/\".*/","",$u);
print $u."\n";
}
}
另一種方式
$url = "http://wwww.somewhere.com";
$html = file_get_contents($url);
$doc = new DOMDocument();
$doc->loadHTML($html); //helps if html is well formed and has proper use of html entities!
$xpath = new DOMXpath($doc);
$nodes = $xpath->query('//a');
foreach($nodes as $node) {
var_dump($node->getAttribute('href'));
}
你可以用它來獲取在給定的網頁所有鏈接。
<?php
$var = fread_url($url);
preg_match_all ("/a[\s]+[^>]*?href[\s]?=[\s\"\']+".
"(.*?)[\"\']+.*?>"."([^<]+|.*?)?<\/a>/",
$var, &$matches);
$matches = $matches[1];
$list = array();
foreach($matches as $var)
{
print($var."<br>");
}
function fread_url($url,$ref="")
{
if(function_exists("curl_init")){
$ch = curl_init();
$user_agent = "Mozilla/4.0 (compatible; MSIE 5.01; ".
"Windows NT 5.0)";
$ch = curl_init();
curl_setopt($ch, CURLOPT_USERAGENT, $user_agent);
curl_setopt($ch, CURLOPT_HTTPGET, 1);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
curl_setopt($ch, CURLOPT_FOLLOWLOCATION , 1);
curl_setopt($ch, CURLOPT_FOLLOWLOCATION , 1);
curl_setopt($ch, CURLOPT_URL, $url);
curl_setopt($ch, CURLOPT_REFERER, $ref);
curl_setopt ($ch, CURLOPT_COOKIEJAR, 'cookie.txt');
$html = curl_exec($ch);
curl_close($ch);
}
else{
$hfile = fopen($url,"r");
if($hfile){
while(!feof($hfile)){
$html.=fgets($hfile,1024);
}
}
}
return $html;
}
?>
如果我的鏈接是這樣的:以上代碼找不到鏈接 – 2017-09-22 05:45:33