最近在做一个项目,需要抓取网站中的数据,网上常用的方法是使用get_files_content之后,再使用正则进行匹配。今天通过实践找到一种新的方式,使用DOMDocument操作xml的方式,可快速的获取页面中的url地址。
<?php
$target_url = "http://www.expamle.com";
$html = file_get_contents($target_url);
$dom = new DOMDocument(); // 创建一个DOMDocument对象
@$dom->loadHTML($html); // 加载xml,html为特殊的xml
$xpath = new DOMXPath($dom); //创建一个DOMXPath对象,DOMXPath使用XPath语法进行数据的定位和采集
$hrefs = $xpath->evaluate('/html/body//a');
for ($i = 0; $i < $hrefs->length; $i++) {
$href = $hrefs->item($i);
$url = $href->getAttribute('href');
if(substr($url, 0, 4) == 'http')// 保留以http开头的链接
echo $url.'<br />';
}
?>
以上的只是一个示例,在使用过程中可以将其封装成方法。在页面中使用DOMDocument可以简化很多操作,快速获取html中的数据。但在PHP中DOMDocument的使用大致都是英文的,需要在使用的时候不断学习和总结。