PHP は Tidy_parse_file() 関数を使用して HTML 内のリンクを抽出します

 function dump_urls(tidy_node $node, &$urls = NULL) {
 $urls = (is_array($urls)) ? $urls : array();

 if(isset($node->id)) {
 if($node->id == TIDY_TAG_A) {
 $urls[] = $node->attribute[' href'];
 }
 }

 if($node->hasChildren()) {
 foreach($node->child as $child) {
 dump_urls($child, $urls);
 }
 }
 return $urls;
 }

 $tidy = tiny_parse_file("http://www.php.net/");
 $urls = dump_urls($tidy->body());
 print_r($urls) ;
?>