我在这里抓了一段脚本来抓取一个网站,把它放在我的服务器上然后就可以了。唯一的问题是,如果我尝试抓取设置深度超过4的任何东西它不起作用。我想知道是否由于服务器缺乏资源或代码本身。
<?php
error_reporting(E_ALL);
function crawl_page($url, $depth)
{
static $seen = array();
if (isset($seen[$url]) || $depth === 0) {
return;
}
$seen[$url] = true;
$dom = new DOMDocument('1.0');
@$dom->loadHTMLFile($url);
$anchors = $dom->getElementsByTagName('a');
foreach ($anchors as $element) {
$href = $element->getAttribute('href');
if (0 !== strpos($href, 'http')) {
$href = rtrim($url, '/') . '/' . ltrim($href, '/');
}
crawl_page($href, $depth - 1);
}
echo "URL:",$url,PHP_EOL;
echo "<br/>";
}
crawl_page("http://www.mangastream.com/", 2);
?>
编辑:
我打开了脚本的错误报告,我得到的就是这个
错误324(net :: ERR_EMPTY_RESPONSE):未知错误。
答案 0 :(得分:0)
尝试确保您有所有错误消息(display_errors,error_reporting)。这可以让您更深入地了解它崩溃的原因。
另外,请记住,抓取通常是非法的,具体取决于您要对数据执行的操作。