如何查找网站上的所有链接/页面

Question

是否可以在任何给定网站上找到所有页面和链接？我想输入一个 URL 并生成一个包含该站点所有链接的目录树？

我查看了 HTTrack，但它会下载整个站点，我只需要目录树。

Answer 1

查看linkchecker——它会爬取网站（同时服从robots.txt）并生成报告。从那里，您可以编写用于创建目录树的解决方案。

Answer 2

如果您的浏览器中有开发者控制台 (JavaScript)，您可以在以下位置键入此代码：

urls = document.querySelectorAll('a'); for (url in urls) console.log(urls[url].href);

缩短：

n=$$('a');for(u in n)console.log(n[u].href)

Answer 3

另一种选择可能是

Array.from(document.querySelectorAll("a")).map(x => x.href)

$$( 更短

Array.from($$("a")).map(x => x.href)

Answer 4

如果这是一个编程问题，那么我建议您编写自己的正则表达式来解析所有检索到的内容。目标标签是标准 HTML 的 IMG 和 A。对于 JAVA，

final String openingTags = "(<a [^>]*href=['\"]?|<img[^> ]* src=['\"]?)";

这与 Pattern 和 Matcher 类一起应该检测标签的开头。如果您还想要 CSS，请添加 LINK 标记。

但是，这并不像您最初想象的那么容易。许多网页格式不正确。如果您需要考虑所有不规则表达式，那么以编程方式提取人类可以“识别”的所有链接真的很困难。

祝你好运！

Answer 5

function getalllinks($url) {
    $links = array();
    if ($fp = fopen($url, 'r')) {
        $content = '';
        while ($line = fread($fp, 1024)) {
            $content. = $line;
        }
    }
    $textLen = strlen($content);
    if ($textLen > 10) {
        $startPos = 0;
        $valid = true;
        while ($valid) {
            $spos = strpos($content, '<a ', $startPos);
            if ($spos < $startPos) $valid = false;
            $spos = strpos($content, 'href', $spos);
            $spos = strpos($content, '"', $spos) + 1;
            $epos = strpos($content, '"', $spos);
            $startPos = $epos;
            $link = substr($content, $spos, $epos - $spos);
            if (strpos($link, 'http://') !== false) $links[] = $link;
        }
    }
    return $links;
}

试试这个代码....