PHP取网页所有链接实现程序代码总结

本文章来给大家介绍在PHP取网页所有链接实现程序代码，有直接利用正则的也有用在采集中过滤所有连接地址，有需要了解的朋友可参考。

我们核心代码就是正则表达试了

代码如下	复制代码
function get_all_url(http://pic3.phprm.com/2013/05/18/$code.jpg){ preg_match_all(‘/"' ]+)["|']?s*[^>]*>([^>]+)/i’,$code,$arr); return array(‘name’=>$arr[2],’url’=>$arr[1]); }

上面只是简单的下面看全例

代码如下	复制代码
http://pic3.phprm.com/2013/05/18/$url.jpg ='http://www.phprm.com'; $body=@file_get_contents($url); preg_match_all('/href=['"]?([^'"]*)['"]?>(.*)/i',$body,$b); $nums = array(); foreach($b[1] as $u){ if(in_array($u,$nums)){ continue; } $nums[]=$u; $title=strip_tags($u); echo $title.""; }

利用curl函数来获取

代码如下

复制代码

/* * 使用curl 采集www.phprm.com下的所有链接。 */ include_once('function.php'); $ch = curl_init(); curl_setopt($ch, CURLOPT_URL, 'http://www.phprm.com/'); // 只需返回HTTP header curl_setopt($ch, CURLOPT_HEADER, 1); // 页面内容我们并不需要 // curl_setopt($ch, CURLOPT_NOBODY, 1); // 返回结果，而不是输出它 curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1); $html = curl_exec($ch); $info = curl_getinfo($ch); if ($html === false) { echo "cURL Error: " . curl_error($ch); } curl_close($ch); $linkarr = _striplinks($html); // 主机部分，补全用 $host = 'http://www.phprm.com/'; if (is_array($linkarr)) { foreach ($linkarr as $k => $v) { $linkresult[$k] = _expandlinks($v, $host); } } printf(" 此页面的所有链接为： %s n", var_export($linkresult , true)); ?>

获取所有网址，但只有不重复的数据

代码如下

复制代码

$e=clinchgeturl(http://pic3.phprm.com/2013/05/18/forumdisplay.jpg); 　　 　　var_dump($e); 　　function clinchgeturl($url) 　　{ 　　 　　//$url="http://127.0.0.1/1.htm"; 　　//$rootpath="http://fsrootpathfsfsf/yyyyyy/"; 　　//var_dump($rrr); 　　if(eregi('(.)*[.](.)*',$url)){ 　　 $roopath=split("/",$url); 　　 $rootpath="http://".$roopath[2]."/"; 　　 $nnn=count($roopath)-1;for($yu=3;$yu　　 // var_dump($rootpath); //http: ,'',127.0.0.1,xnml,index.php 　　 } 　　 else{$rootpath=$url;//var_dump($rootpath); 　　} 　　if(isset($url)){ 　　echo "$url 有下列裢接： "; 　　$fcontents = file($url); 　　while(list(,$line)=each($fcontents)){ 　　while(eregi('(href[[:space:]]*=[[:space:]]*"?[[:alnum:]:@/._-] [?]?[^"]*"?)',$line,$regs)){ 　　//$regs[1] = eregi_replace('(href[[:space:]]*=[[:space:]]*"?)([[:alnum:]:@/._-] )("?)',"2",$regs[1]); 　　$regs[1] = eregi_replace('(href[[:space:]]*=[[:space:]]*["]?)([[:alnum:]:@/._-] [?]?[^"]*)(.*)[^"/]*(["]?)',"2",$regs[1]); 　　 　　if(!eregi('^http://',$regs[1])){ 　　 　　 if(eregi('^..',$regs[1])){ 　　 // $roopath=eregi_replace('(http://)?([[:alnum:]:@/._-] )[[:alnum:] ](.*)[[:alnum:] ]',"http://2",$url); 　　 　　 $roopath=split("/",$rootpath); 　　 $rootpath="http://".$roopath[2]."/"; 　　 //echo "这是根本d ："."n"; 　　 $nnn=count($roopath)-1;for($yu=3;$yu　　 //var_dump($rootpath); 　　 if(eregi('^..[/[:alnum:]]',$regs[1])){ 　　 //echo "这是../目录/ ："."n"; 　　 //$regs[1]="../xx/xxxxxx.xx"; 　　 // $rr=split("/",$regs[1]); 　　 //for($oooi=1;$oooi　　$rrr=$regs[1]; 　　 // {$rrr.="/".$rr[$oooi]; 　　 $rrr = eregi_replace("^[.][.][/]",'',$rrr); /

永久地址：

转载随意~请带上教程地址吧^^