PHP：获取 HTML 网页的所有 CSS 文件答案

【问题标题】：PHP: Get all CSS files of an HTML web pagePHP：获取 HTML 网页的所有 CSS 文件
【发布时间】：2018-09-21 22:18:10
【问题描述】：

我正在尝试从 URL 获取 html 文件的所有 CSS 文件。

我知道如果我想获得 HTML 代码很容易 - 只需使用 PHP 函数 - file_get_contents。

问题是 - 如果我可以在 HTML 的 URL 中轻松搜索并从那里获取所有相关 CSS 文件的文件或内容？

注意 - 我想构建一个引擎来获取大量 CSS 文件，这就是为什么仅仅阅读源代码是不够的..

谢谢，

【问题讨论】：

您是否尝试使用 PHP 检索页面，然后解析该页面以获取 CSS 文件列表？如果是这样，javacript 是如何影响的？（你用 javascript 标记了你的问题）
您可能需要将来自 HTML 的响应加载到 DOM 解析器中并开始寻找 link 类型为 text/css 的元素，从中提取 URL，并创建新的 file_get_contents他们每个人的请求。除此之外，您还需要解析整个 HTML 中嵌入的 style 标记和内联 style 属性。
Josh - 我更新了我的问题。当然，阅读源代码很容易，但我需要它用于数千个网站。

标签： php html css

【解决方案1】：

您可以尝试使用http://simplehtmldom.sourceforge.net/ 进行 HTML 解析。

require_once 'SimpleHtmlDom/simple_html_dom.php';

$url = 'www.website-to-scan.com';
$website = file_get_html($url);

// You might need to tweak the selector based on the website you are scanning
// Example: some websites don't set the rel attribute
// others might use less instead of css
//
// Some other options:
// link[href] - Any link with a href attribute (might get favicons and other resources but should catch all the css files)
// link[href="*.css*"] - Might miss files that aren't .css extension but return valid css (e.g.: .less, .php, etc)
// link[type="text/css"] - Might miss stylesheets without this attribute set
foreach ($website->find('link[rel="stylesheet"]') as $stylesheet)
{
    $stylesheet_url = $stylesheet->href;

    // Do something with the URL
}

【讨论】：

【解决方案2】：

您需要解析 HTML 标记以查找 CSS 文件。例如，您可以使用 preg_match - 寻找匹配的正则表达式。

找到此类文件的正则表达式可能是这样的：

\<link .+href="\..+css.+"\>

【讨论】：

使用正则表达式解析 HTML 是灾难的秘诀。 -1
这是一个快速的评论，没有想太多，我说这只是一个例子，你可以如何做到这一点。你是对的，这不是最好的主意，但出于简单的目的，这很好。如果你只需要找到一些简单的东西，我觉得使用 simpleHtml 有点过头了。
不，这总是一个坏主意。 HTML 不是一种常规语言，因此如果您想要一致的结果（通常是程序员所追求的），那么您应该使用适当的工具。我同意 simpleHTML 不是必需的，因为 PHP 在没有添加第三方库的情况下具有 DomDocument。但是，我不同意您的观点，即出于“简单目的”使用不良做法是可以的。如果你想要可靠的代码，你应该每次都以正确的方式去做。
好吧，我 100% 同意你的看法。我在这里的回答是错误的，但我所说的简单目的是指仅解析一个站点，您知道哪个结构并且您知道它不会改变。对于随机页面......这是一个坏主意，真的。
我不同意@Chris Baker。它仍然是一种定义明确的语言，匹配 css 包含非常简单，应该比使用 dom 解析器更受青睐。当 HTML 无效时，即使是 DOM 解析器也可能出错，然后正则表达式的性能通常会更好。当然，我会投入一些时间并改进正则表达式以使其具有一点容错性，但我会采用该解决方案。