php - 解析网站的 URL

Question

只是想知道是否有人可以在以下方面进一步帮助我。我想解析这个网站的网址:http://www.directorycritic.com/free-directory-list.html?pg=1&sort=pr

我有以下代码:

<?PHP  
$url = "http://www.directorycritic.com/free-directory-list.html?pg=1&sort=pr";
$input = @file_get_contents($url) or die("Could not access file: $url"); 
$regexp = "<a\s[^>]*href=(\"??)([^\" >]*?)\\1[^>]*>(.*)<\/a>"; 
if(preg_match_all("/$regexp/siU", $input, $matches)) { 
// $matches[2] = array of link addresses 
// $matches[3] = array of link text - including HTML code
} 
?>

目前什么都不做，我需要做的是废弃所有 16 页表中的所有 URL，非常感谢您提供有关如何修改上述内容并将 URL 输出到文本文件的帮助。

Answer 1

使用HTML Dom Parser

$html = file_get_html('http://www.example.com/');

// Find all links
$links = array(); 
foreach($html->find('a') as $element) 
       $links[] = $element->href;

现在 links 数组包含给定页面的所有 URL，您可以使用这些 URL 进一步解析。

用正则表达式解析 HTML 不是一个好主意。以下是一些相关帖子:

• Using regular expressions to parse HTML: why not?
• RegEx match open tags except XHTML self-contained tags

编辑:

一些其他 HTML 解析工具，如 Gordon 所述在下面的评论中:

• phpQuery
• Zend_Dom
• QueryPath
• FluentDom