Question

可能重复：
Grabbing the href attribute of an A element

我正在尝试从HTML页面中提取一些文件夹名称，HTML的源代码看起来像这样..

<li><a href="/"> Parent Directory</a></li>
<li><a href=".ftpquota"> .ftpquota</a></li>
<li><a href="Folder%201/"> Folder 1/</a></li>
<li><a href="Floder%202/"> Folder 2/</a></li>
<li><a href="Folder%20N/"> Folder N/</a></li>

到目前为止，我创建了一些文件夹，但未正确提取。

这就是我所做的......

<?php

    $url = "URL";
    $page_data = file_get_contents($url);
    $search_pattern = "<li><a href=";
    $position = 0;

    while($position = strpos($page_data,$search_pattern, $position+strlen($search_pattern)))
    {
        //$pos2 = strpos($page_data, "\"> ", $position);
        //echo $position . " - " . $pos2 . " = " . ($pos2-$position) . "<br />";
        $str = substr($page_data,$position+strlen($search_pattern)+1, $pos2-$position);
        echo "<pre>" . $position . " || " . $str . "\n</pre>";
    }

?>

每个文件夹都包含一些我将使用copy()复制的文件，因为我使用的是Windows，因此我没有wget。

我在这里做错了什么？

这是我的输出：

156 || /"> Parent Directory
.ftpquota

Folder 1/

Folder 2/

Folder N/

但我真正需要的是：

Folder 1
Folder 2
Folder N

原因稍后，我将遍历文件夹并复制文件。

Answer 1

对HTML

使用DOMDocument和DOMXPath

$string = '<li><a href="/"> Parent Directory</a></li>
<li><a href=".ftpquota"> .ftpquota</a></li>
<li><a href="Folder%201/"> Folder 1/</a></li>
<li><a href="Floder%202/"> Folder 2/</a></li>
<li><a href="Folder%20N/"> Folder N/</a></li>
<li><a href="file.bin"> file.bin</a></li>';

$html = new DOMDocument(); 
$html->loadHTML($string);
$xpath = new DOMXPath($html);
$filtered = $xpath->query("//a/@href");

foreach($filtered as $one){
    if(strlen($one->nodeValue) > 1) {
        echo urldecode($one->nodeValue)."\n";
    }
}

Codepad Example

从HTML中提取文本

1 个答案: