提取所有href值

Question

我想提取基于PHP（Joomla）网站的所有href值，并将其保存为CSV或类似内容。我可以访问MySQL内容表，这样我就可以根据需要梳理原始数据。

我可能需要过滤掉我以后提取的内容，但现在我欢迎任何想法开始。

提前致谢！

Answer 1

您可以使用HTML解析器来解析HTML内容;它是来自文本文件，数据库字段还是URL。解析器可以允许您有选择地从HTML中提取内容，例如href标记上的<a>属性。

我使用PHP Simple HTML DOM Parser从网站中提取~1.5 Gig的数据。该页面上有一个5-10行示例，可帮助您入门。您还可以使用PHP DOM函数来完成工作。关于从HTML块中提取特定内容（标签，属性，文本节点），您可以找到大量关于SO的示例。