php – 抓取网站并仅检索以http：//开头的链接

2023年12月11日 217次阅读

我使用以下代码从< a>中检索链接标签,但想做一些调整.

>只想返回以“http：//”开头的链接
>希望包含指向包含“http：//”的图像和脚本引用的链接

如果它可以返回所有标签的链接,只要它以“http：//”开头,那就更好了

这是当前的代码：

<?php

$html = file_get_contents('http://mattressandmore.com/in-the-community/');

$dom = new DOMDocument();
@$dom->loadHTML($html);

// grab all the links on the page
$xpath = new DOMXPath($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 />';
}
?>

最佳答案 您需要将start-with函数应用于元素的href属性:)

检查一些参考,你会明白,这是代码：

...
$hrefs = $xpath->evaluate("/html/body//a[starts-with(@href, \"http:\")]");
...

完整代码：

<?php

$html = file_get_contents('http://mattressandmore.com/in-the-community/');

$dom = new DOMDocument();
@$dom->loadHTML($html);

// grab all the links on the page
$xpath = new DOMXPath($dom);
$hrefs = $xpath->evaluate("/html/body//a[starts-with(@href, \"http:\")]");

for ($i = 0; $i < $hrefs->length; $i++) {
       $href = $hrefs->item($i);
       $url = $href->getAttribute('href');
       echo $url.'<br />';
}
?>

类似地,您可以尝试使用以“http：//”开头的src和脚本href属性的img标记.

...
$hrefs = $xpath->evaluate("/html/body//img[starts-with(@src, \"http:\")]");
...
点赞