PHP——爬虫DOM解析

<?php
// 确保这些常量有效定义，以便在没有HTTP和HTTPS的情况下使用URL
defined('HTTP_CATALOG') || define('HTTP_CATALOG', 'http://localhost');
defined('HTTPS_CATALOG') || define('HTTPS_CATALOG', 'https://localhost');
 
require_once('simple_html_dom.php'); // 引入PHP DOM解析库
 
// 示例URL
$url = 'http://example.com/somepage';
 
// 使用file_get_contents或curl获取页面内容
$htmlContent = file_get_contents($url);
 
// 初始化DOM解析器
$html = str_get_html($htmlContent);
 
// 查找所有的链接
foreach($html->find('a') as $element) {
    // 获取链接地址
    $href = $element->href;
    // 获取链接文本
    $text = $element->innertext;
    // 输出链接信息
    echo $href . ' - ' . $text . '<br>';
}
 
// 清理内存中的DOM对象
$html->clear();
unset($html);
?>

这段代码使用了simple_html_dom库来解析一个给定的URL的HTML内容。它查找了页面上所有的<a>标签，并输出了它们的href属性和内部文本。这个例子展示了如何使用PHP DOM解析库来提取和处理HTML内容。