我正在尝试运行一个指向一个url的网络爬虫，它没有链接，代码看起来很好；但是，我得到了一个http 500错误。
它对抓取的内容所做的就是回显它
知道为什么吗？
<?php
error_reporting( E_ERROR );
define( "CRAWL_LIMIT_PER_DOMAIN", 50 );
$domains = array();
$urls = array();
function crawl( $url )
{
global $domains, $urls;
$parse = parse_url( $url );
$domains[ $parse['host'] ]++;
$urls[] = $url;
$content = file_get_contents( $url );
if ( $content === FALSE ){
echo "Error: No content";
return;
}
$content = stristr( $content, "body" );
preg_match_all( '/http:'/'/[^ "'']+/', $content, $matches );
// do something with content.
echo $content;
foreach( $matches[0] as $crawled_url ) {
$parse = parse_url( $crawled_url );
if ( count( $domains[ $parse['host'] ] ) < CRAWL_LIMIT_PER_DOMAIN && !in_array( $crawled_url, $urls ) ) {
sleep( 1 );
crawl( $crawled_url );
}
}
}
crawl(http://the-irf.com/hello/hello6.html);
?>
替换：
crawl(http://the-irf.com/hello/hello6.html);
带有：
crawl('http://the-irf.com/hello/hello6.html');
URL是一个文本字符串，因此必须用引号括起来。
关于您的stristr:问题
返回从第一次出现针开始到结束的所有草垛(包括第一次出现的针(。
所以，你的代码：
$content = stristr( $content, "body" );
将返回从第一次出现CCD_ 2开始并包括第一次出现的CCD_。