Question

当我在浏览器中键入地址www.randomDomain.com并阅读页面源时，

我看到<tag attrib1="value" attrib2="value2">

但是当我想使用PHP Curl获取此页面的内容时，

我在源<tag attrib1="value" attrib2='value2'>

中看到了这一点

有时，"符号会被'符号替换。为什么呢？

这个原因会导致使用preg_match()的正确模式出现问题。

Answer 1

您没有在浏览器中查看源代码（通常可以通过“查看”菜单（“查看”→“开发人员”→“在Chrome中查看源代码”）找到该源）。您正在查看DOM Inspector（内置于浏览器开发人员工具中），它显示了DOM当前状态的HTML表示，而不是原始HTML源代码。

Answer 2

"和'都有效。解决方案是不使用正则表达式来解析HTML。请改用DomDocument类：

$url = 'http://www.example.com';

$curl = curl_init($url);
curl_setopt($curl, CURLOPT_RETURNTRANSFER, TRUE);
$output = curl_exec($curl);
curl_close($curl)

$html = new DOMDocument;
$html->loadHTML($output);

Answer 3

有些网站会随机“轮换”标签，类名和其他内容，使内容抓取更加困难，这可能就是“因为”有时会显示“

我不相信curl会改变源代码中的任何内容（使用curl 10年），所以如果这是您遇到的唯一问题，您可以轻松修改preg_match规则以查找“OR”

PHP卷曲和浏览器的区别

3 个答案: