PHP实现抓取网页的所有超链接的代码-PHP教程-爱易网页

PHP实现抓取网页的所有超链接的代码

日期：2012-06-05　浏览次数：20451 次

通用HTML标准超链接参数取得正则表达式测试

因为最近要做一个类似专业搜索引擎的东西，需要抓取网页的所有超链接。
大家帮忙测试一下子，下面的代码是否可以针对所有的标准超链接。

测试代码如下：

<?php 

// --------------------------------------------------------------------------

// File name   : Noname1.php

// Description : 通用链接参数获取正则表达式测试

// Requirement : PHP4 (http://www.php.net)

// Copyright(C), HonestQiao, 2005, All Rights Reserved.

// Author: HonestQiao (honestqiao@hotmail.com)

// 参数说明:

// $strSource: 包含标准链接的HTML网页

// $strResult: 处理的结果

// 附加说明:

// 标准链接，使用<a></a>形势包含的链接

// --------------------------------------------------------------------------

$strSource = <<<HTML

<a href=1.htm>t1</a>

<a href='2.htm'>t2</a>

<a href="3.htm">t3</a>

<a href=4.htm class=link>t4</a>

HTML;

preg_match_all('/<a.*?(?: \\t\\r\\n)?href=[\'"]?(.+?)[\'"]?(?:(?: \\t\\r\\n)+.*?)?>(.+?)<\/a.*?>/sim', $strSource, $strResult, PREG_PATTERN_ORDER);

for($i = 0; $i < count($strResult[1]); $i++)

{

    printf("%d href=(%s) title=(%s) \n", $i, $strResult[1][$i], $strResult[2][$i]);

} 



?>