首页 > 代码库 > 利用PHP获取一个页面上的链接信息
利用PHP获取一个页面上的链接信息
开发中我们可能会获取某个页面或是一段内容中的链接信息,下面我分享一个我写的函数给大家,希望能帮到大家。
函数功能:
1、获取一段内容中链接信息;
2、获取一个URL中链接信息;
3、剔除锚链等无效的链接
4、获取当前域下的链接信息
5、获取他域下的链接信息
6、保留链接的文本信息
代码:
/** * +---------------------------------------------------------- * 功能:获取一个网页或一段内容里面的链接信息 * +---------------------------------------------------------- * @param string $html 要获取链接的内容或网址 * @param string $isExclude 是否过滤无效的链接,如"","#","javascript:;","javascript:void(0);" 。默认过滤 * @param string $isKeepLinkText 是否保留链接的文字。默认保留,保留与不保留链接数可能不同 * @param string $linkType 取得链接的类型,all所有的链接,inner 本域下的链接, out 外域的链接信息。默认 是取得所有链接 * +---------------------------------------------------------- * @return array * +---------------------------------------------------------- */ function getLinks($html,$isExclude=true,$isKeepLinkText=true,$linkType=‘all‘){ if(empty($html)) return false; set_time_limit(0);//防止超时 $removes=array(‘‘,‘#‘,‘javascript:;‘,‘javascript:void(0);‘,‘javascript:void(0)‘);//排除锚链之类的 $html = substr(strtolower($html),0,4)=="http"?file_get_contents($html):$html;//要处理的内容 //提取链接信息 $pattern = ‘/<a(?:.*?)href="http://www.mamicode.com/(((?:http(?:s?)://)?([^\"\/]+))?(?:[^\"]*))"(?:[^>]*?)>([^<]*?)<\/a>/i‘; preg_match_all($pattern, $html, $_links); if($isKeepLinkText){ foreach ($_links[1] as $key => $href) { $links[$_links[4][$key]]=$href; } }else{ $links=$_links[4]; } unset($_links); foreach ($links as $text => $href) { //移除无效的链接 if($isExclude&&in_array($href, $removes)) { unset($links[$text]); } if($linkType!=‘all‘){ $host=parse_url($href); $host=isset($host[‘host‘])?$host[‘host‘]:‘‘; if($linkType==‘inner‘){//本域链接 if(substr($href,0,1)!="/"&&strtolower($host)!=strtolower($_SERVER[‘SERVER_NAME‘])) { unset($links[$text]); } }elseif($linkType==‘out‘){//他域链接 if(substr($href,0,1)=="/"||strtolower($host)==strtolower($_SERVER[‘SERVER_NAME‘])) { unset($links[$text]); } } } } return $links; }
使用方法:
$links=getLinks("http://www.sina.com.cn"); //或 $links=getLinks("http://www.sina.com.cn",1,0,"out"); //或 $links=getLinks("这里是一段要提取链接信息的内容");
特别说明:
1、上面的函数用到了file_get_contents ,获取内容可能会失败,你可以自行改成curl;
2、提取链接用了正则,效率可能低。
当然你也看一看使用下面的函数,当要提取的内容网址的时候不使用正则来提取链接信息:
代码:
/** * +---------------------------------------------------------- * 功能:获取一个网页或一段内容里面的链接信息 * +---------------------------------------------------------- * @param string $html 要获取链接的内容或网址 * @param string $isExclude 是否过滤无效的链接,如"","#","javascript:;","javascript:void(0);" 。默认过滤 * @param string $isKeepLinkText 是否保留链接的文字。默认保留,保留与不保留链接数可能不同 * @param string $linkType 取得链接的类型,all所有的链接,inner 本域下的链接, out 外域的链接信息。默认 是取得所有链接 * +---------------------------------------------------------- * @return array * +---------------------------------------------------------- */ function getLinks($html,$isExclude=true,$isKeepLinkText=true,$linkType=‘all‘){ if(empty($html)) return false; set_time_limit(0); $removes=array(‘‘,‘#‘,‘javascript:;‘,‘javascript:void(0);‘,‘javascript:void(0)‘);//排除锚链之类的 $isLink=substr(strtolower($html),0,4)=="http"?1:0;//是否是链接 $html = $isLink?file_get_contents($html):$html; if($isLink){ $dom = new DOMDocument(); @$dom->loadHTML($html); $xpath = new DOMXPath($dom); unset($dom); $hrefs = $xpath->evaluate("/html/body//a");//获取a节点 $length=$hrefs->length;//获取链接数 $links=array();//网页上的链接 for ($i = 0; $i < $length; $i++) { $href = http://www.mamicode.com/trim($hrefs->item($i)->getAttribute(‘href‘));"http://www.mamicode.com/(((?:http(?:s?)://)?([^\"\/]+))?(?:[^\"]*))"(?:[^>]*?)>([^<]*?)<\/a>/i‘; preg_match_all($pattern, $html, $_links); if($isKeepLinkText){ foreach ($_links[2] as $key => $href) { $links[$_links[4][$key]]=$href; } }else{ $links=$_links[4]; } unset($_links); } foreach ($links as $text => $href) { //移除无效的链接 if($isExclude&&in_array($href, $removes)) { unset($links[$text]); } if($linkType!=‘all‘){ $host=parse_url($href); $host=isset($host[‘host‘])?$host[‘host‘]:‘‘; if($linkType==‘inner‘){//本域链接 if(substr($href,0,1)!="/"&&strtolower($host)!=strtolower($_SERVER[‘SERVER_NAME‘])) { unset($links[$text]); } }elseif($linkType==‘out‘){//他域链接 if(substr($href,0,1)=="/"||strtolower($host)==strtolower($_SERVER[‘SERVER_NAME‘])) { unset($links[$text]); } } } } return $links; }
使用方法与上面一致
声明:以上内容来自用户投稿及互联网公开渠道收集整理发布,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任,若内容有误或涉及侵权可进行投诉: 投诉/举报 工作人员会在5个工作日内联系你,一经查实,本站将立刻删除涉嫌侵权内容。