给出Php错误in_array()null

时间:2015-10-10 08:29:22

标签: php html web-crawler

我遵循了制作网络抓取工具应用的教程。我只是简单地从页面中提取所有链接然后跟随它们。我将链接的foreach循环推送到全局变量时遇到问题。我一直收到一个错误,说明in_array中的第二个变量应该是我设置的数组。你们有什么可能会看到窃听代码吗?

错误:

in_array() expects parameter 2 to be array, null given

HTML:

       <?php

    $to_crawl = "http://thechive.com/";

$c = array();

    function get_links($url){
        global $c;
        $input = file_get_contents($url);
        $regexp = "<a\s[^>]*href=(\"??)([^\" >]*?)\\1[^>]*>(.*)<\/a>";

        preg_match_all("/$regexp/siU", $input, $matches);

        $l = $matches[2];

        $base_url = parse_url($url, PHP_URL_HOST);

        foreach($l as $link){
            if(strpos($link, '#')){
                $link = substr($link, 0, strpos($link, '#'));
            }

            if(substr($link, 0, 1) == "."){
                      $link = substr($link, 1);
            }

            if(substr($link, 0, 7) == "http://"){
                              $link = $link;
                    } elseif(substr($link, 0, 8) == "https://"){
                              $link = $link;
                    } elseif(substr($link, 0, 2) == "//"){
                              $link = substr($link, 2);
                    } elseif(substr($link, 0, 1) == "#"){
                              $link = $url;
                    } elseif(substr($link, 0, 7) == "mailto:"){
                              $link = "[".$link."]";
                    } else{
                        if(substr($link, 0,1) != "/"){
                            $link = $base_url."/".$link;
                        } else{
                            $link = $base_url.$link;
                        }
                    }
            if(substr($link, 0, 7) != "http://" && substr($link, 0, 8) != "https://" && substr($link, 0, 1) != "["){
             if(substr($link, 0 , 8) == "https://"){
                    $link = "https://".$link;
             } else{
                $link= "http://".$link;
             }
            }

        if (!in_array($link, $c)){
            array_push($c, $link);
            }


        }
    }

    get_links($to_crawl);

    foreach($c as $page){
        get_links($page);
    }

    foreach($c as $page){
        echo $page."<br/ >";
    }

    ?>

1 个答案:

答案 0 :(得分:1)

尝试在每次迭代中将“全局”设为$ c是一个糟糕的设计。你应该尽可能避免“全球化”。

在这里,我看到两个选择:

1 /在“get_links”函数的参数中将您的数组作为参考(在google中搜索)。它允许您从函数中填充数组。

例如:

function getlinks($url, &$links){
    //do your stuff to find the links
    //then add each link to the array
    $links[] = $oneLink;
}

$allLinks = array();
getlinks("thefirsturl.com", $allLinks);
//call getlinks as many as you want 
//then your array will contain all the links
print_r($allLinks);

或2 /使“get_links”返回一个链接数组,并将其连接成一个更大的链接来存储所有链接。

function getlinks($url){
    $links = array(); 
    //do your stuff to find the links
    //then add each link to the array
    $links[] = $oneLink;
    return $links;
}

$allLinks = array();
$allLinks += getlinks("thefirsturl.com");
//call getlinks as many as you want. Note the concatenation operator +=
print_r($allLinks);