Rumah > pembangunan bahagian belakang > tutorial php > Bagaimana untuk Membina Crawler Web PHP untuk Mengumpul Data daripada Berbilang Pautan?

Bagaimana untuk Membina Crawler Web PHP untuk Mengumpul Data daripada Berbilang Pautan?

Susan Sarandon
Lepaskan: 2024-11-08 06:50:02
asal
520 orang telah melayarinya

How to Build a PHP Web Crawler to Gather Data from Multiple Links?

PHP Web Crawler: Mengumpul Data daripada Pelbagai Pautan

Soalan:

Buat PHP skrip untuk mendapatkan semula data daripada berbilang pautan pada halaman web dan menyimpannya dalam tempatan fail.

Jawapan:

Menggunakan DOM dan Kawalan Kedalaman:

function crawl_page($url, $depth = 5)
{
    static $seen = array();
    if (isset($seen[$url]) || $depth === 0) {
        return;
    }

    $seen[$url] = true;

    $dom = new DOMDocument('1.0');
    @$dom->loadHTMLFile($url);

    $anchors = $dom->getElementsByTagName('a');
    foreach ($anchors as $element) {
        $href = $element->getAttribute('href');
        // Handle relative URLs
        if (0 !== strpos($href, 'http')) {
            $path = '/' . ltrim($href, '/');
            if (extension_loaded('http')) {
                $href = http_build_url($url, array('path' => $path));
            } else {
                $parts = parse_url($url);
                $href = $parts['scheme'] . '://';
                $href .= $parts['host'];
                if (isset($parts['port'])) {
                    $href .= ':' . $parts['port'];
                }
                $href .= dirname($parts['path'], 1).$path;
            }
        }
        crawl_page($href, $depth - 1);
    }

    // Output data
    echo "URL:", $url, PHP_EOL, "CONTENT:", PHP_EOL, $dom->saveHTML(), PHP_EOL, PHP_EOL;
}

// Usage
crawl_page("http://hobodave.com", 2);
Salin selepas log masuk

Nota:

  • Versi ini menggunakan penghuraian DOM, yang lebih mantap daripada Penghuraian RegEx.
  • Ia mengendalikan URL relatif dengan betul.
  • Ia menggunakan kawalan kedalaman untuk mengelakkan gelung tak terhingga.
  • Output digemakan ke STDOUT, membolehkan anda mengubah hala ke fail.

Atas ialah kandungan terperinci Bagaimana untuk Membina Crawler Web PHP untuk Mengumpul Data daripada Berbilang Pautan?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

sumber:php.cn
Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn
Artikel terbaru oleh pengarang
Tutorial Popular
Lagi>
Muat turun terkini
Lagi>
kesan web
Kod sumber laman web
Bahan laman web
Templat hujung hadapan