PHP如何讀取跳轉的網頁原始碼

PHP是一種廣泛使用的伺服器端腳本語言，它可以幫助開發人員建立動態Web應用程式。然而，有時候PHP開發人員需要讀取一個外部網頁的源碼，這個外部網頁可能是一個跳轉連結。在這篇文章中，我們將學習如何使用PHP來讀取一個跳轉連結的網頁原始碼。

附註：在本文中，我們將假設您已經熟悉PHP語言，並且對HTML和HTTP協定有基本的了解。

第一步：使用cURL開啟連結

cURL是一個在PHP中用來處理URL的函式庫。為了讀取連結的網頁原始碼，我們需要使用cURL來開啟這個連結。以下是使用cURL在PHP中開啟網頁的基本程式碼：

$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);

在上面的程式碼中，我們首先定義了待讀取網頁的連結位址，然後建立了一個cURL句柄，設定了存取連結的選項，發送了cURL請求，並獲取了回應結果。結果保存在$output變數中。

第二步：處理跳轉鏈接

在某些情況下，我們打開的鏈接可能是一個跳躍鏈接，也就是說它將重定向到另一個鏈接。為了取得重定向後的網頁原始碼，我們需要檢查回應頭訊息，判斷是否存在Location頭。如果存在，則表示這是一個跳轉鏈接，並且在Location中存儲了重定向後的鏈接地址，我們需要使用cURL打開這個重定向鏈接獲取源碼。

以下是程式碼範例：

$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);
}

在上面的程式碼中，我們加入了一個curl_setopt選項：CURLOPT_FOLLOWLOCATION。這個選項告訴cURL要跟隨重定向訊息，並自動開啟新連結。然後，我們獲取回應頭訊息，判斷是否存在重定向資訊。如果存在，我們就使用curl_init()函數建立一個新的cURL句柄，打開重定向鏈接，並取得原始碼。

第三步：解析原始碼

在取得了網頁原始碼之後，我們需要進一步解析它，以便我們可以處理資料。我們可以使用PHP內建的DOMDocument類別來解析HTML文件。

以下是程式碼範例：

$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;

在上面的程式碼中，我們先建立了一個DOMDocument對象，然後呼叫loadHTML()函數將取得的網頁原始碼作為參數傳入。接下來，我們使用getElementsByTagName()函數來取得指定元素，並使用nodeValue屬性來取得元素的文字內容。在這個例子中，我們取得了HTML元素和title元素。

第四步：處理資料

最後，我們可以對取得到的資料進行處理，根據需要進行儲存或展示。以下是一個簡單的範例：

$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;

在上面的程式碼中，我們先取得網頁的標題，然後直接輸出HTML原始碼。

結論

在本文中，我們學習如何使用PHP讀取跳轉的網頁原始碼。透過使用cURL開啟鏈接，處理跳轉鏈接，解析HTML文件和處理數據，我們可以輕鬆地讀取跳轉鏈接的網頁源碼。當需要用到Web爬蟲、資料分析、資料探勘等場景時，這是一種非常有用的技能。

以上是PHP如何讀取跳轉的網頁原始碼的詳細內容。更多資訊請關注PHP中文網其他相關文章！