我正在尝试查找特定页面的下一页链接(我在此处将该特定页面称为current page
)。我正在使用的程序中的current page
是
http://en.wikipedia.org/wiki/Category:1980_births
我从next page link
中提取的current page
是以下
但是,当file_get_contents()函数加载next page link
时,它正在获取current page
内容,,,
代码是
<?php
$string = file_get_contents("http://en.wikipedia.org/wiki/Category:1980_births"); //Getting contents of current page ,
preg_match_all("/\(previous page\) \(<a href=\"(.*)\" title/", $string,$matches); // extracting the next_page_link from the current page contents
foreach ($matches[1] as $match) {
break;
}
$next_page_link = $match;
$next_page_link = "http://en.wikipedia.org" . $next_page_link; //the next_link will have only the path , does't contain the domain name ,,, so i am adding the domain name here, this does't make any impact on the problem statement
$string1 = file_get_contents($next_page_link);
echo $next_page_link;
echo $string1;
?>
根据代码string1
应该有next_page_link's
个内容,而只是获取current page
的内容。
答案 0 :(得分:1)
在原始网站的来源中,链接具有实体编码的&符号(请参阅Do I encode ampersands in <a href…>?)。当您单击锚点时,浏览器会正常解码它们,但您的抓取代码却没有。比较
match ... with ...
与
http://en.wikipedia.org/ ... &pagefrom=Alexis%2C+Toya%0AToya+Alexis#mw-pages
这个格式错误的查询字符串实际上是你传递给http://en.wikipedia.org ... &pagefrom=Alexis%2C+Toya%0AToya+Alexis#mw-pages
的。您可以将它们转换回常规的&符号,如下所示:
file_get_contents