PHP 代码：获取指定 URL 页面中的所有链接

2020-05-05

五一假期结束。又要开启学习。今天就简单写点东西。

以下代码可以获取到指定 URL 页面中的所有链接，即所有 a 标签的 href 属性：

 // 获取链接的HTML代码 
$html = file_get_contents('http://www.example.com'); 
 
$dom = new DOMDocument(); 
@$dom->loadHTML($html); 
 
$xpath = new DOMXPath($dom); 
$hrefs = $xpath->evaluate('/html/body//a'); 
 
for ($i = 0; $i < $hrefs->length; $i++) { 
   $href = $hrefs->item($i); 
   $url = $href->getAttribute('href'); 
   echo $url.'<br />'; 
}

这段代码会获取到所有 a 标签的 href 属性，但是 href 属性值不一定是链接，我们可以在做个过滤，只保留 http 开头的链接地址：

 // 获取链接的HTML代码 
$html = file_get_contents('http://www.example.com'); 
$dom = new DOMDocument(); 
@$dom->loadHTML($html); 
 
$xpath = new DOMXPath($dom); 
$hrefs = $xpath->evaluate('/html/body//a'); 
 
for ($i = 0; $i < $hrefs->length; $i++) { 
   $href = $hrefs->item($i); 
   $url = $href->getAttribute('href'); 
    
   // 保留以http开头的链接 
   if(substr($url, 0, 4) == 'http') 
      echo $url.'<br />'; 
}

假期快乐！！