Question

我希望，有人知道，出了什么问题。我做了一个解析器来获取所有

<a href="blabla">Link</a>

标记。我在http://www.bbc.co.uk/上测试它。我测试的页面上有261个，我只收到了第一个159.我手动检查了它，我发现它们中的每一个，但我生成的数组只有159个元素。这个限制的原因是什么？

preg_match_all('/<a\s[^\>]*href\=[\'"]?((?:http\:\/\/)?(?:[_\-a-zA-Z0-9\.]*[_a-zA-Z0-9\.\/]))*[\'"]/', $page, $matches);

我查了一下，curl给了我

的所有页面

<html>

，直到

</html>

问题是使解析器没有任何DOM使用，只需要curl和regexp。

Answer 1

好的，我设法通过在我的正则表达式中添加更多字符来解决这个问题：

preg_match_all('/<a\s*[^\>]*href\s*\=\s*[\'"]?((?:http\:\/\/)?(?:[_\-a-zA-Z0-9\.]*[\?\=\&_a-zA-Z0-9\.\/]))*[\'"]/', $page, $matches);

我添加了一些空格符号，例如'='，'＆amp;'和'？'在链接主体中被授予。