Question

我正在从一些网站上抓取数据，所以在回复HTML代码中我想获取facebook页面链接和Twitter帐户链接（如果有的话）。获取一个html代码的示例如下：注意：我正在使用CURL模块获取数据。

<a href="https://www.facebook.com/Example-page-16149277784545354/" target="_blank">
<div class="template asset" data-id="4722053" contenteditable="false">
<figure>
........
</figure>
</div>
</a>

我需要'href'属性中的facebook页面链接，以及Twitter帐户链接的相同内容。

Answer 1

我还没有测试过这段代码。但这是一个粗略的解决方法，这个循环可能是无限的。如果错误，请测试并更正。

<?php
$str = file_get_contents($url);
$i = -1;
while(strpos("href='",$i)>=0){
   $strpos = strpos("href='",$i);
   $i2 = strpos("'",$i+7);
   $link = substr($str,$strpos,$i2);
   $i = $i2 + 1;
  //now check if the link is facebook, twitter etc.
}
//do the same with while(strpos("href=\"",$i)>=0){

Answer 2

你可以用正则表达式来检查它，这是一个facebook检查的例子：

$testString = '<a href="https://www.facebook.com/Example-page-16149277784545354/" target="_blank">
<div class="template asset" data-id="4722053" contenteditable="false">
<figure>
........
</figure>
</div>
</a>';

$facebookPattern = '/"(http[s]{0,1}:\/\/www\.facebook\.com[^"]+)"/';
preg_match_all($facebookPattern, $testString, $matches);

print_r($matches[1]);

另见https://regex101.com/r/sW7eV1/1

Answer 3

您可以使用简单的html dom，它提供了面向对象的界面。你可以只提供获取和解析html到一个对象的函数的url。您可以调用该对象上的属性和方法来访问dom的元素。

供参考： http://simplehtmldom.sourceforge.net/manual.htm

在HTML文档中搜索Facebook页面URL和Twitter URL

3 个答案: