Question

我一直在尝试使用网络抓取工具从网站/网页中提取一些链接及其相关文字。但似乎我错过了一些东西，这导致了一个空白页面。希望你们能指出我的错误/

HTML页面如下::

<!DOCTYPE html>
<html>
<head>
    <title>test</title>
</head>
<body>
    <div class="NeededDiv">
        <a href="link">text</a>
        <a href="link">text</a>
        <a href="link">text</a>
        <a href="link">text</a>
        <a href="link">text</a>
    </div>
    <div class="ExtraDiv">
        <a href=""></a>
        <a href=""></a>
        <a href=""></a>
        <a href=""></a>
        <a href=""></a>
    </div>
</body>

php代码为::

<?php
function get_data($url) {
    $ch = curl_init();
    curl_setopt($ch, CURLOPT_SSL_VERIFYPEER, false);
    curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
    curl_setopt($ch, CURLOPT_URL,$url);
    $result=curl_exec($ch);
    curl_close($ch);
    return $result;
}

$returned_content = get_data('file:///C:/xampp/htdocs/h/1.html');

$first_step = explode( '<div class="NeededDiv">' , $returned_content );
$second_step = explode('</div>', $first_step[0]);
$third_step = explode('</a>', $second_step[0]);
?>

所以，这里我试图使用php页面从页面中提取特定的div。我通过xampp本地主机打开了php页面..

感谢任何帮助..

Answer 1

这是你想要的吗？

<?php
$returned_content='<!DOCTYPE html>
<html>
<head>
    <title>test</title>
</head>
<body>
    <div class="NeededDiv">
        <a href="link">text</a>
        <a href="link">text</a>
        <a href="link">text</a>
        <a href="link">text</a>
        <a href="link">text</a>
    </div>
    <div class="ExtraDiv">
        <a href=""></a>
        <a href=""></a>
        <a href=""></a>
        <a href=""></a>
        <a href=""></a>
    </div>
</body>';

$dom = new DOMDocument;
$dom->loadHTML($returned_content);
foreach ($dom->getElementsByTagName('a') as $node) {
    echo $node->getAttribute( 'href' )."<br/>";
}
?>

使用webcrawler从站点提取锚链接以及相关文本不输出任何内容

1 个答案: