Question

我正在尝试编写一个php解析器来收集ratemyprofessor.com的教授评论。每个教授都有一个页面，其中包含所有评论，我想解析每个教授的网站，并将评论提取到一个txt文件中。这是我到目前为止，但是当我运行它时它没有正确执行因为输出txt文件保持为空。可能是什么问题？

<?php     
set_time_limit(0);

$domain = "http://www.ratemyprofessors.com";
$content = "div id=commentsection";
$content_tag = "comment";
$output_file = "reviews.txt";
$max_urls_to_check = 400;
$rounds = 0;
$reviews_stack = array();
$max_size_domain_stack = 10000;
$checked_domains = array();


while ($domain != "" && $rounds < $max_urls_to_check) {
    $doc = new DOMDocument();
    @$doc->loadHTMLFile($domain);
    $found = false;


    foreach($doc->getElementsByTagName($content_tag) as $tag) {
        if (strpos($tag->nodeValue, $content)) {
            $found = true;
            break;
        }
    }

    $checked_domains[$domain] = $found;
    foreach($doc->getElementsByTagName('a') as $link) {
        $href = $link->getAttribute('href');
        if (strpos($href, 'http://') !== false && strpos($href, $domain) === false) {
            $href_array = explode("/", $href);

            if (count($domain_stack) < $max_size_domain_stack &&
                $checked_domains["http://".$href_array[2]] === null) {
                array_push($domain_stack, "http://".$href_array[2]);
            }
        };
    }


    $domain_stack = array_unique($domain_stack);
    $domain = $domain_stack[0];
    unset($domain_stack[0]);
    $domain_stack = array_values($domain_stack);
    $rounds++;
}

$found_domains = "";
foreach ($checked_domains as $key => $value) {
    if ($value) {
        $found_domains .= $key."\n";
    }
}


file_put_contents($output_file, $found_domains); 
?>

Answer 1

这是我到目前为止所做的，但是当我运行它时它没有正确执行，因为输出txt文件仍为空。可能是什么问题？

它提供空输出，因为缺少数组变量初始化。

主要部分。添加变量的初始化：

$domain_stack = array(); // before while ($domain != ...... )

附加。修正其他警告和通知：

// change this
$checked_domains["http://".$href_array[2]] === null

// into

!isset($checked_domains["http://".$href_array[2]])

// another line
// check if key exists
if (isset($domain_stack[0]))  {
  $domain = $domain_stack[0];
  unset($domain_stack[0]);
}

PHP解析器刮除数据错误

1 个答案: