如何从浏览器读取 .vcf 文件？

Question

我正在尝试从IFA Berlin 的参展商处检索所有电子邮件地址。 不过，这很容易抓取。

但作为一个棘手的部分，它们只允许我们下载 .vcf 文件或发送电子邮件（我猜是通过他们的服务器）。我想在不下载该 vcf 文件的情况下找到该电子邮件地址。否则我可以下载它并使用 PHP 轻松阅读（因为我的爬虫也是 PHP 的）。

这也是我潜伏多年后的第一个问题！很高兴认识你们。

Answer 1

如何从浏览器读取.vcf 文件？

此文件将始终是文件下载，并且永远不会显示在浏览器中。使其工作的一种方法是设置自定义浏览器扩展，它临时存储文件并解析微格式并显示信息。

PHP 抓取方式

那里有 vcard 解析器：https://github.com/nuovo/vCard-parser 但我认为您可以将其基于 RegExp 解决方案：/EMAIL;INTERNET:(.*)/。

让我们假设，您的第一次抓取运行为您提供了与会者 ID 列表， 然后您的第二次（vcard）抓取运行可以通过 ID 获取和提取姓名和电子邮件：

<?php

function getVcard($id) {
    return file_get_contents('http://www.virtualmarket.ifa-berlin.de/?Action=attendeeVcard&id=' . $id);
}

function getEmailFromVcard($vcard)
{
    preg_match('/EMAIL;INTERNET:(.*)/', $vcard, $matches);
    if(isset($matches[1])) {
        return $matches[1];
    }
}

function getNameFromVcard($vcard)
{
    preg_match('/N:(.*);;/', $vcard, $matches);
    if(isset($matches[1])) {
        $array = explode(';', $matches[1]);
        $name = trim($array[1]) . ' ' . trim($array[0]);
        return $name;
    }
}

$id = 1775586;

$vcard = getVcard($id);
$email = getEmailFromVcard($vcard);
$name = getNameFromVcard($vcard);

echo $name . ' ' . $email;