php - 提取所有href值

Question

我想提取基于PHP的（Joomla）网站的所有href值，并将其保存到CSV或类似名称。我可以访问MySQL内容表，因此可以根据需要梳理原始数据。

稍后可能需要过滤掉我提取的内容，但现在我欢迎任何想法开始使用。

提前致谢！

Answer 1

您可以使用HTML解析器来解析HTML内容。它来自文本文件，数据库字段还是URL。解析器可以让您有选择地从HTML中提取内容，就您而言，是href标记上的<a>属性。

我已经使用PHP Simple HTML DOM Parser从网站中提取了约1.5 Gig的数据。该页面上有5-10行的示例，可能会帮助您入门。您也可以对作业使用PHP DOM功能。您可以在SO上找到许多有关从HTML块中提取特定内容（标记，属性，文本节点）的示例。