从呈现的网页获取超链接信息的简单方法答案

【问题标题】：Easy way to get hyperlink info from rendered web page从呈现的网页获取超链接信息的简单方法
【发布时间】：2012-10-18 03:18:59
【问题描述】：

我想以编程方式执行此操作：

给定一个页面 URL，我需要获取页面上的所有链接。重要的是至少要获取3条链接信息：锚文本、href属性值、链接在页面上的绝对位置。

Java CSSBox 库是一个选项，但尚未完全实现（不能同时获取href 属性值，必须通过附加库如Jsoup 进行一些额外的映射）。更重要的是，CSSBox 库渲染页面非常慢。

似乎 Javascript 具有所有可用的功能，但我们必须将 javascript 代码注入页面并编写驱动程序以利用现有浏览器。 Python 和 Ruby 等脚本语言也对此提供支持。我很难找到最方便的工具。

【问题讨论】：

为什么不能是这样的解决方案？ stackoverflow.com/questions/1080411/…
@AndréRicardo 谢谢，但我怎样才能得到链接的绝对位置？
那么也许这就是你要找的，一种加入 base_url 和 relative_url stackoverflow.com/questions/6499603/… 的方法

【解决方案1】：

PHP 的 DOM 操作库对您有帮助吗？ http://www.php.net/manual/en/book.dom.php

【讨论】：