我正试图从Facebook上抓取页面链接。但是，我得到一个空白页，没有任何错误消息。
我的代码如下:<?php
error_reporting(E_ALL);
function getFacebook($html) {
$matches = array();
if (preg_match('~^https?://(?:www'.)?facebook.com/(.+)/?$~', $html, $matches)) {
print_r($matches);
}
}
$html = file_get_contents('http://curvywriter.info/contact-me/');
getFacebook($html);
怎么了?
一个更好的选择(也是更健壮的)是使用DOMDocument和DOMXPath:
<?php
error_reporting(E_ALL);
function getFacebook($html) {
$dom = new DOMDocument;
@$dom->loadHTML($html);
$query = new DOMXPath($dom);
$result = $query->evaluate("(//a|//A)[contains(@href, 'facebook.com')]");
$return = array();
foreach ($result as $element) {
/** @var $element DOMElement */
$return[] = $element->getAttribute('href');
}
return $return;
}
$html = file_get_contents('http://curvywriter.info/contact-me/');
var_dump(getFacebook($html));
对于你的具体问题，我做了以下的事情:
- 将
preg_match更改为preg_match_all，以便在第一次发现后不停止。 - 从模式中删除
^(开始)和$(结束)字符。你的链接将出现在文档的中间，而不是开始或结束(绝对不是两者都出现!)
所以更正后的代码是:
<?php
error_reporting(E_ALL);
function getFacebook($html) {
$matches = array();
if (preg_match_all('~https?://(?:www'.)?facebook.com/(.+)/?~', $html, $matches)) {
print_r($matches);
}
}
$html = file_get_contents('http://curvywriter.info/contact-me/');
getFacebook($html);