php - 用通配符和 php 抓取

Question

我很难想象和构想去抓取此页面:http://www.morewords.com/ends-with/aw对于单词本身。给定一个 URL，我想获取内容，然后生成一个包含所有列出的单词的 php 数组，在源代码中看起来像

<a href="/word/word1/">word1</a><br />
<a href="/word/word2/">word2</a><br />
<a href="/word/word3/">word3</a><br />
<a href="/word/word4/">word4</a><br />

我一直在考虑执行此操作的几种方法，如果您能帮助我确定最有效的方法，我将不胜感激。另外，我将不胜感激有关如何实现这一目标的任何建议或示例。我知道这不是非常复杂，但我需要你们高级黑客的帮助。

• 使用某种 jquery $.each() 循环并以某种方式将它们放入 JS 数组中，然后转录(可能很费力)
• 使用某种 curl(对 curl 没有太多经验)
• 使用一些复杂的查找并用正则表达式替换。

Answer 1

您将其标记为 PHP，因此这是一个 PHP 解决方案:)

$dom = new DOMDocument;

$dom->loadHTMLFile('http://www.morewords.com/ends-with/aw');

$anchors = $dom->getElementsByTagName('a');

$words = array();

foreach($anchors as $anchor) {
    if ($anchor->hasAttribute('href') AND preg_match('~/word/\w+/~', $anchor->getAttribute('href'))) {
        $words[] = $anchor->nodeValue;
    }
}

CodePad .

如果allow_url_fopen在 php.ini 中被禁用，您可以使用 cURL 获取 HTML。

$curl = curl_init();
curl_setopt($curl, CURLOPT_URL, 'http://www.morewords.com/ends-with/aw'); 
curl_setopt($curl, CURLOPT_RETURNTRANSFER, 1);
$html = curl_exec($curl);    
curl_close($curl);