如何获取任何源文件的内容

Question

示例：当网址为http://www.google.com

时

我知道，如何获取内容以及如何通过file_get_contents或curl方法解析内容。

所以，我的问题是：如何获取内容并解析该网页的源文件。

例如：view-source：http://www.google.com

当我尝试解析上面的源文件时，我发现最初没有加载文件内容进行解析。

所以我需要帮助，

如何加载view-source:http://www.google.com页面的内容。

Answer 1

Chrome浏览器中的

file_get_contents和view-source应该返回相同的内容 - 页面的 HTML 代码。如果您正试图获取HTML背后的代码（PHP，.net等等） - 您不能。

view-source向您显示与cUrl或file_get_contents返回的代码完全相同的，并且它只是Chrome浏览器中的一项功能 - 它不是有效的URL地址方案。

Answer 2

你写道： “例如：view-source：http://www.google.com

当我试图解析上面的源文件时，我发现文件内容没有被加载“

问题在于：view-source:是Chrome的一项功能 - 不是有效的网址。这就是内容无法加载的原因。 php函数需要一个有效的URL：http://www.google.com，它可以从中加载源。

Answer 3

您可以通过file_get_contents（“http://www.google.com”）获取网页内容;不是file_get_contents（“view-source：http://www.google.com”）;

然后用：

解析它

$html = file_get_contents("http://www.google.com");
$doc = new DOMDocument();
$doc->loadHTML($html);

如果php DOM API无法进行解析，则可以尝试PHP Simple HTML DOM Parser。 http://simplehtmldom.sourceforge.net/