Question

我正试图从Facebook抓取链接。但是，我得到一个空白页面，没有任何错误消息。

我的代码如下：

<?php
error_reporting(E_ALL);

function getFacebook($html) {

    $matches = array();
    if (preg_match('~^https?://(?:www\.)?facebook.com/(.+)/?$~', $html, $matches)) {
        print_r($matches);

    }
}

$html = file_get_contents('http://curvywriter.info/contact-me/');

getFacebook($html);

它出了什么问题？

Answer 1

更好的替代方案（也更强大）是使用DOMDocument和DOMXPath：

<?php
error_reporting(E_ALL);

function getFacebook($html) {

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

    $query = new DOMXPath($dom);

    $result = $query->evaluate("(//a|//A)[contains(@href, 'facebook.com')]");

    $return = array();

    foreach ($result as $element) {
        /** @var $element DOMElement */
        $return[] = $element->getAttribute('href');
    }

    return $return;

}

$html = file_get_contents('http://curvywriter.info/contact-me/');

var_dump(getFacebook($html));

但是，针对您的具体问题，我做了以下事情：

将preg_match更改为preg_match_all，以便在首次发现后不会停止。
从模式中删除了^（开始）和$（结束）字符。您的链接将显示在文档的中间，而不是开头或结尾（绝对不是两者！）

所以修正后的代码：

<?php
error_reporting(E_ALL);

function getFacebook($html) {

    $matches = array();
    if (preg_match_all('~https?://(?:www\.)?facebook.com/(.+)/?~', $html, $matches)) {
        print_r($matches);

    }
}

$html = file_get_contents('http://curvywriter.info/contact-me/');

getFacebook($html);

试图从网页上抓取所有Facebook链接

1 个答案: