So lesen Sie den Quellcode der umgeleiteten Webseite in PHP

PHP ist eine weit verbreitete serverseitige Skriptsprache, die Entwicklern beim Erstellen dynamischer Webanwendungen hilft. Manchmal müssen PHP-Entwickler jedoch den Quellcode einer externen Webseite lesen, bei dem es sich möglicherweise um einen Sprunglink handelt. In diesem Artikel erfahren Sie, wie Sie mit PHP den Quellcode eines Weiterleitungslinks lesen.

Hinweis: In diesem Artikel gehen wir davon aus, dass Sie bereits mit der PHP-Sprache vertraut sind und über ein grundlegendes Verständnis der HTML- und HTTP-Protokolle verfügen.

Schritt 1: Link mit cURL öffnen

cURL ist eine Bibliothek zur Verarbeitung von URLs in PHP. Um den Quellcode der verlinkten Webseite zu lesen, müssen wir cURL verwenden, um den Link zu öffnen. Das Folgende ist der grundlegende Code für die Verwendung von cURL zum Öffnen einer Webseite in PHP:

$url = 'http://www.example.com';
$ch = curl_init();
curl_setopt($ch, CURLOPT_URL, $url);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
$output = curl_exec($ch);
curl_close($ch);

Im obigen Code definieren wir zunächst die Linkadresse der zu lesenden Webseite, erstellen dann ein cURL-Handle und legen die Option für den Zugriff fest Klicken Sie auf den Link, senden Sie eine cURL-Anfrage und erhalten Sie das Antwortergebnis. Das Ergebnis wird in der Variablen $output gespeichert.

Schritt 2: Jump-Links verarbeiten

In manchen Fällen kann es sich bei dem von uns geöffneten Link um einen Jump-Link handeln, was bedeutet, dass er zu einem anderen Link weiterleitet. Um den Quellcode der umgeleiteten Webseite zu erhalten, müssen wir die Antwortheaderinformationen überprüfen, um festzustellen, ob ein Standortheader vorhanden ist. Wenn es existiert, bedeutet dies, dass es sich um einen Sprunglink handelt und die Adresse des umgeleiteten Links unter „Speicherort“ gespeichert ist. Wir müssen cURL verwenden, um diesen umgeleiteten Link zu öffnen und den Quellcode zu erhalten.

Hier ist das Codebeispiel:

$url = 'http://www.example.com';
$ch = curl_init();
curl_setopt($ch, CURLOPT_URL, $url);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
curl_setopt($ch, CURLOPT_FOLLOWLOCATION, true);
$output = curl_exec($ch);
$info = curl_getinfo($ch);
curl_close($ch);

if ($info['http_code'] == 301 || $info['http_code'] == 302) {
    $url = $info['redirect_url'];
    $ch = curl_init();
    curl_setopt($ch, CURLOPT_URL, $url);
    curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
    $output = curl_exec($ch);
    curl_close($ch);
}

Im obigen Code haben wir eine curl_setopt-Option hinzugefügt: CURLOPT_FOLLOWLOCATION. Diese Option weist cURL an, Weiterleitungen zu folgen und automatisch neue Links zu öffnen. Anschließend erhalten wir die Antwortheaderinformationen und bestimmen, ob Umleitungsinformationen vorhanden sind. Wenn es existiert, verwenden wir die Funktion „curl_init()“, um ein neues cURL-Handle zu erstellen, den Weiterleitungslink zu öffnen und den Quellcode abzurufen.

Schritt 3: Quellcode analysieren

Nachdem wir den Quellcode der Webseite erhalten haben, müssen wir ihn weiter analysieren, damit wir die Daten verarbeiten können. Wir können die in PHP integrierte DOMDocument-Klasse verwenden, um HTML-Dokumente zu analysieren.

Das Folgende ist ein Codebeispiel:

$url = 'http://www.example.com';
$ch = curl_init();
curl_setopt($ch, CURLOPT_URL, $url);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
curl_setopt($ch, CURLOPT_FOLLOWLOCATION, true);
$output = curl_exec($ch);
$info = curl_getinfo($ch);
curl_close($ch);

if ($info['http_code'] == 301 || $info['http_code'] == 302) {
    $url = $info['redirect_url'];
    $ch = curl_init();
    curl_setopt($ch, CURLOPT_URL, $url);
    curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
    $output = curl_exec($ch);
    curl_close($ch);
}

$doc = new DOMDocument();
@$doc->loadHTML($output);
$elements = $doc->getElementsByTagName('html');
$title = $doc->getElementsByTagName('title')->item(0)->nodeValue;

Im obigen Code erstellen wir zunächst ein DOMDocument-Objekt und rufen dann die Funktion loadHTML() auf, um den erhaltenen Webseiten-Quellcode als Parameter zu übergeben. Als nächstes verwenden wir die Funktion getElementsByTagName(), um das angegebene Element abzurufen, und das Attribut nodeValue, um den Textinhalt des Elements abzurufen. In diesem Beispiel erhalten wir das HTML-Element und das Titelelement.

Schritt 4: Daten verarbeiten

Abschließend können wir die gewonnenen Daten verarbeiten und bei Bedarf speichern oder anzeigen. Das Folgende ist ein einfaches Beispiel:

$url = 'http://www.example.com';
$ch = curl_init();
curl_setopt($ch, CURLOPT_URL, $url);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
curl_setopt($ch, CURLOPT_FOLLOWLOCATION, true);
$output = curl_exec($ch);
$info = curl_getinfo($ch);
curl_close($ch);

if ($info['http_code'] == 301 || $info['http_code'] == 302) {
    $url = $info['redirect_url'];
    $ch = curl_init();
    curl_setopt($ch, CURLOPT_URL, $url);
    curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
    $output = curl_exec($ch);
    curl_close($ch);
}

$doc = new DOMDocument();
@$doc->loadHTML($output);
$title = $doc->getElementsByTagName('title')->item(0)->nodeValue;
echo "源码标题是：" . $title . "\n";
echo "HTML源码是：" . $output;

Im obigen Code erhalten wir zuerst den Titel der Webseite und geben dann direkt den HTML-Quellcode aus.

Fazit

In diesem Artikel haben wir gelernt, wie man mit PHP den Quellcode der umgeleiteten Webseite liest. Durch die Verwendung von cURL zum Öffnen von Links, Verarbeiten von Sprunglinks, Analysieren von HTML-Dokumenten und Verarbeiten von Daten können wir den Webseiten-Quellcode von Sprunglinks problemlos lesen. Dies ist eine sehr nützliche Fähigkeit, wenn Sie Webcrawler, Datenanalyse, Data Mining und andere Szenarien verwenden müssen.

Das obige ist der detaillierte Inhalt vonSo lesen Sie den Quellcode der umgeleiteten Webseite in PHP. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!