php中实现网页的链接,PHP取网页所有链接实现程序代码总结

本文章来给大家介绍在PHP取网页所有链接实现程序代码，有直接利用正则的也有用在采集中过滤所有连接地址，有需要了解的朋友可参考。

我们核心代码就是正则表达试了

代码如下

复制代码

function get_all_url($code){ preg_match_all(‘/"' ] )["|']?s*[^>]*>([^>] )/i’,$code,$arr); return array(‘name’=>$arr[2],’url’=>$arr[1]); } 上面只是简单的下面看全例  代码如下 复制代码 $url ='http://www.jquerycn.cn'; $body=@file_get_contents($url); preg_match_all('/href=['"]?([^'"]*)['"]?>(.*)/i',$body,$b); $nums = array(); foreach($b[1] as $u){ if(in_array($u,$nums)){ continue; } $nums[]=$u; $title=strip_tags($u); echo $title.""; } 利用curl函数来获取  代码如下 复制代码 /* * 使用curl 采集www.jquerycn.cn下的所有链接。 */ include_once('function.php'); $ch = curl_init(); curl_setopt($ch, CURLOPT_URL, 'http://www.jquerycn.cn/'); // 只需返回HTTP header curl_setopt($ch, CURLOPT_HEADER, 1); // 页面内容我们并不需要 // curl_setopt($ch, CURLOPT_NOBODY, 1); // 返回结果，而不是输出它 curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1); $html = curl_exec($ch); $info = curl_getinfo($ch); if ($html === false) { echo "cURL Error: " . curl_error($ch); } curl_close($ch); $linkarr = _striplinks($html); // 主机部分，补全用 $host = 'http://www.jquerycn.cn/'; if (is_array($linkarr)) { foreach ($linkarr as $k => $v) { $linkresult[$k] = _expandlinks($v, $host); } } printf(" 此页面的所有链接为： %s n", var_export($linkresult , true)); ?> 获取所有网址，但只有不重复的数据  代码如下 复制代码 $e=clinchgeturl("http://im286.com/forumdisplay.php?fid=1"); var_dump($e); function clinchgeturl($url) { //$url="http://127.0.0.1/1.htm"; //$rootpath="http://fsrootpathfsfsf/yyyyyy/"; //var_dump($rrr); if(eregi('(.)*[.](.)*',$url)){ $roopath=split("/",$url); $rootpath="http://".$roopath[2]."/"; $nnn=count($roopath)-1;for($yu=3;$yu // var_dump($rootpath); //http: ,'',127.0.0.1,xnml,index.php } else{$rootpath=$url;//var_dump($rootpath); } if(isset($url)){ echo "$url 有下列裢接： "; $fcontents = file($url); while(list(,$line)=each($fcontents)){ while(eregi('(href[[:space:]]*=[[:space:]]*"?[[:alnum:]:@/._-] [?]?[^"]*"?)',$line,$regs)){ //$regs[1] = eregi_replace('(href[[:space:]]*=[[:space:]]*"?)([[:alnum:]:@/._-] )("?)',"\2",$regs[1]); $regs[1] = eregi_replace('(href[[:space:]]*=[[:space:]]*["]?)([[:alnum:]:@/._-] [?]?[^"]*)(.*)[^"/]*(["]?)',"\2",$regs[1]); if(!eregi('^http://',$regs[1])){ if(eregi('^..',$regs[1])){ // $roopath=eregi_replace('(http://)?([[:alnum:]:@/._-] )[[:alnum:] ](.*)[[:alnum:] ]',"http://\2",$url); $roopath=split("/",$rootpath); $rootpath="http://".$roopath[2]."/"; //echo "这是根本d ："."n"; $nnn=count($roopath)-1;for($yu=3;$yu //var_dump($rootpath); if(eregi('^..[/[:alnum:]]',$regs[1])){ //echo "这是../目录/ ："."n"; //$regs[1]="../xx/xxxxxx.xx"; // $rr=split("/",$regs[1]); //for($oooi=1;$oooi $rrr=$regs[1]; // {$rrr.="/".$rr[$oooi]; $rrr = eregi_replace("^[.][.][/]",'',$rrr); /