ホームページ  >  記事  >  バックエンド開発  >  simple_html_dom ベースの PHP 自作クローラー v1.0

simple_html_dom ベースの PHP 自作クローラー v1.0

WBOY
WBOYオリジナル
2016-08-08 09:30:46941ブラウズ

Web ページの解析とクローラーの作成に対する私の熱意はまったく衰えていません。今日、オープンソースの simple_html_dom.php 解析フレームワークを使用してクローラーを作成しました。

<?php
/*
	*.Pho spider v1.0
	*.Written by Radish.ghost 2015.1.20
*/
//error_reporting(1); //close error report
//curl model //I will realize it in later versions
include_once("simple_html_dom.php");
$html=file_get_html(&#39;http://www.baidu.com&#39;);//The url which you want dig

$tmp=array();//Save the url in the first dig
foreach($html->find('a') as $e) 
{
	$f=$e->href;
	//if($f[10]==':')continue;
	if($f[0]=='/')$f='http://www.baidu.com'.$f;//Completion the url
	if($f[4]=='s')continue;//If the url is "https://" continue (the simple_html_dom might can't prase the https:// url)  
	if(stripos($f,"baidu")==FALSE)continue;//If the url not in this website continue
    echo $f . '<br>';
	$tmp[$cun++]=$f; //Save the urls into array
}

foreach($tmp as $r) //Dig the urls in $tmp[]
{
$html2=file_get_html($r); //Redo the step
foreach($html2->find('a') as $a)
{
	$u=$a->href;
	if($u[0]=='/')$u='http://www.baidu.com'.$u;
	if($u[4]=='s')continue;
	if(stripos($u,"baidu")==FALSE)continue;
	echo $u.'<br>';
}
$html2=null;
}
?>

//最終的には常に 致命的なエラー が発生します。 D:xampphtdocshtmlindex.phpの非オブジェクトに対するメンバー関数find() LINE21の警告。先輩方とやり取りした後、細かい間違いをたくさん修正しましたが、まだ解決していませんので、誰かアドバイスをいただければ幸いです

----------。 ---------------------- -区切り線--------------------------

simple_html_dom ダウンロード:

https://github.com/Ph0enixxx/simple_html_dom

= =自宅のコンピューターでは git4win を使用できません

上記は、simple_html_dom をベースにした PHP 自作クローラー v1.0 を、関連コンテンツも含めて紹介しています。PHP チュートリアルに興味のある友人の参考になれば幸いです。

声明:
この記事の内容はネチズンが自主的に寄稿したものであり、著作権は原著者に帰属します。このサイトは、それに相当する法的責任を負いません。盗作または侵害の疑いのあるコンテンツを見つけた場合は、admin@php.cn までご連絡ください。