Question

我有一个简单的PHP抓取工具的代码，可以从深入5的网站获取所有html页面但是，如果我运行它来获取div标签中包含的所有数据，其id为[container，main ，wrapper.etc]然后它显示意想不到的结果......继承人的PHP代码::

<?php
    $a=$_POST['t1'];
function crawl_page($url, $depth = 5)
{
  static $seen = array();
  if (isset($seen[$url]) || $depth === 0) {
    return;
  }

  $seen[$url] = true;

  $dom = new DOMDocument('1.0');
  @$dom->loadHTMLFile($url);

  $anchors = $dom->getElementsByTagName('div');
  foreach ($anchors as $element) {
        $href = $element->getAttribute('id');
    //$href = $element->find('div[id=main]', 0)->plaintext;
    if (0 !== strpos($href, 'main')) {

        $host = "http://".parse_url($url,PHP_URL_USER);
        $href = $host. '/' . ltrim($href, '/');
    }
    crawl_page($href, $depth - 1);
  }

  echo "New Page:<br /> ";
  echo "URL:",$url,PHP_EOL,"<br />","CONTENT:",PHP_EOL,$dom->saveHTML(),PHP_EOL,PHP_EOL,"  <br />        <br />";
}

crawl_page($a, 5);
?>

这段代码适用于锚标签，但我希望这只适用于div标签，它只取出其中包含的所有数据。我希望这个用于我的项目，如果有人做了那个然后帮助....... html代码被写下来

<HTML>
<head>
<title></title>
</head>
<body>
<form method="POST" action="crawler1edit[2].php">
Enter Url:-<input type="text" name="t1">
<input type="submit" value="send" name="s1">
</form>
</body>
</HTML>

in action属性crawler1edit [2] .php是包含在顶部写的php代码的php文件

Answer 1

你有没有理由不按ID定位div？

$dom->getElementById ("main");

如何使用php crawler从网站获取div标签中包含的所有数据

1 个答案: