如何获取页面上以 https 开头的所有链接 - PHP答案

【问题标题】：How to get all links on a page that start with a https in link - PHP如何获取页面上以 https 开头的所有链接 - PHP
【发布时间】：2017-06-07 13:40:48
【问题描述】：

我正在尝试获取页面上的所有链接。例如，如果用户在输入字段中输入https://laravel.com/，他们将看到该页面上的所有链接。

我已经让这个概念起作用了。这是我的部分代码：

$website = request('website_url');

$pureURL = 'http://www.'.$website.'/';
$doc = new \DOMDocument;
@$doc->loadHTMLFile($pureURL);

foreach ($doc->getElementsByTagName('a') as $link){
    $linkDetail[] = array('url' => $link->getAttribute('href'));
}

$pageLinks = $linkDetail;

return view('api.index', compact('result'));

我的前端代码：

@foreach($pageLinks as $key => $link)
        {{ $link['url'] }}<br />
@endforeach

这是我得到的：

问题是，我只想获取所有以 https 开头的链接。我想避免其中有 /doc 的链接等等。我将如何去做。我不太擅长正则表达式，但我知道有一种方法可以使用它。

【问题讨论】：

你可以使用strpos函数来检查href是否包含https。像这样if (strpos($link->getAttribute('href'), 'https') !== false) {
使用 parse_url 看这里stackoverflow.com/questions/7468309/…

标签： php regex laravel url-rewriting

【解决方案1】：

$website = request('website_url');

$pureURL = 'http://www.'.$website.'/';
$doc = new \DOMDocument;
@$doc->loadHTMLFile($pureURL);

foreach ($doc->getElementsByTagName('a') as $link){
$url = $link->getAttribute('href');
    if (strpos($url, 'https') !== 0) {
        continue;
    }
    $linkDetail[] = array('url' => $url);
}

$pageLinks = $linkDetail;

return view('api.index', compact('result'));

【讨论】：

【解决方案2】：

用parse_url()检查协议怎么样？

foreach ($doc->getElementsByTagName('a') as $link){
    if (parse_url($link->getAttribute('href'), PHP_URL_SCHEME) === 'https') {
        $linkDetail[] = array('url' => $link->getAttribute('href'));
    }
}

【讨论】：

是的，这正是我想要的。谢谢！

【解决方案3】：

为什么不检查字符串是否以 HTTPS 开头，然后才将其推送到数组中？例如：

foreach ($doc->getElementsByTagName('a') as $link){
   if (strpos($link, 'https://') !== FALSE)
      $linkDetail[] = array('url' => $link->getAttribute('href'));
}

【讨论】：

【解决方案4】：

^https.*[^doc|avoid_end]$

类似https://regex101.com/r/I4ebAR/1？

foreach ($doc->getElementsByTagName('a') as $link){
    $linkTmp = $link->getAttribute('href');
    if (preg_match('/^https.*[^doc|avoid_end]$/')) {
        $linkDetail[] = ['url' => $linkTmp];
    }
}

【讨论】：