我可以解析外部网页的目录列表吗？

Question

是否可以解析外部网页的目录列表，因为网页是可访问的，并且在我访问它时会显示文件列表。我只想知道是否有可能在PHP中动态解析文件以及如何？ - 谢谢你

很抱歉不清楚。我的意思是目录列表，例如： http://www.ibiblio.org/pub/（索引/ ..）以及将内容作为数组或易于在我的脚本中操作的内容的能力

Answer 1

您可以使用preg_match或DomDocument

对于你的情况：

$contents = file_get_contents("http://www.ibiblio.org/pub/");
preg_match_All("|href=[\"'](.*?)[\"']|", $contents, $hrefs);
var_dump($hrefs);

如果你想看看working demo。

Answer 2

如果您在正确的XHTML文档中获得了一个充满链接的目录列表，您可以使用DOMDocument，并使用以下代码来获取文件列表：

$doc = new DOMDocument();
$doc->preserveWhitespace = false;
$doc->load('directorylisting.html');

$files = $doc->getElementsByTagName('a');

$files现在是DOMElement的列表，您可以迭代并获取href属性以获取列表中文件的完整路径。

请注意，此方法需要从服务器返回的正确格式的目录列表。例如，您不能在stackoverflow.com上执行请求并获取文件的目录列表。

如果这不起作用（可能是格式错误的HTML），您可以使用正则表达式（例如preg_match_all）来查找<a标记，例如：

preg_match_all('@<a href\="([a-zA-Z\.\-\_\/ ]*)">(.*)</a>@', file_get_contents('http://www.ibiblio.org/pub/'), $files);
var_dump($files);

$files仍然是匹配的元素，只是一组数组。

---

更新，我使用您的网址（http://www.ibiblio.org/pub/进行了测试）并且工作正常（preg_match_all方法）。

Answer 3

是的，这是非常可能的。我不太清楚您的目录列表是什么意思，但您应该研究网站抓取工具。这基本上就是你所要求的，但用PHP编写。

Answer 4

PHP file_get_content将为您解决问题。

（假设您对此页面的http请求返回文件列表，正如您所提到的那样）