【发布时间】：2012-11-29 13:19:19
【问题描述】：
我有一个网址，我必须在网址中找到一个联系链接。
所以我所做的是使用 simple_html_dom.php 循环遍历所有 a 标签，如果它包含单词“contact”或“advertis”，那么它就是联系人 url。但这实际上很慢。
所以我现在想要做的是使用 curl 抓取页面（没问题，将来甚至是多卷曲），如果链接包含“联系人”或“广告”。
我会使用 preg_match_all 但正则表达式会是什么？
【问题讨论】：
-
如何利用 google 为您进行搜索\爬行？
-
Dom, xpath,
//a[contains(@href,'contact')]... 完成。而“simple dom”适用于拥有大量空闲 CPU 周期的人……慢、慢、慢。 -
什么是
simple_html_dom.php？需要参考 -
@Alexander：又一个基于非 libxml 的 html/xml 解析器。请参阅this 进行比较。
-
您不想使用正则表达式来解析 HTML。他们不能胜任这项任务。 htmlparsing.com/regexes.html 解释了原因，htmlparsing.com/php.html 给出了如何使用 DOM 模块解析 HTML 的示例。
标签： php regex html-parsing web-scraping