strpos 问题：获取返回值 UBLIC

Question

我正在创建一个类来打开网页并存储页面上所有出站链接的 href 值。由于某种原因，它对前 3 个有效，然后就变得很奇怪。下面是我的代码：

class Crawler {
var $url;

function construct($url) {
    $this->url = 'http://'.$url;
    $this->crawl();
}

function crawl() {
    $str = file_get_contents($this->url);
    $start = 0;
    for($i=0; $i<10; $i++) {
        $beg = strpos($str, '<a href="http://',$start)+16;
        $end = strpos($str,'"',$beg);
        $diff = $end - $beg;
        $links[$i] = substr($str,$beg, $diff);
        $start = $start + $beg;
    }
    print_r($links);
}
}

$crawler = new Crawler;
$crawler->construct('www.yahoo.com');

暂时忽略 for 循环 我知道这只会返回前 10 个，不会执行整个文档。但是，如果您运行此代码，前 3 个值可以正常工作，但所有其他值都是 UBLIC。 有人可以帮忙吗？谢谢

Answer 1

而不是：

$start = $start + $beg;

尝试：

$start = $beg;

这可能就是您只看到前三场比赛的原因。

另外，您需要插入一个检查，以确保 $beg 不是 FALSE：

for($i=0; $i<10; $i++) {
    $beg = strpos($str, '<a href="http://',$start)+16;
    if ($beg === FALSE)
        break;
    //...

但是请注意，您确实应该使用 DOMDocument 查找文档中具有给定标签名称的所有标签 (a< /代码> 此处）。特别是，因为这是 HTML，可能不是有效的 XHTML，所以您应该考虑使用 loadHTML 方法。

Answer 2

我认为您的逻辑有问题：

您使用 $start 来标记开始查找 href 的位置，但生成的 $beg 仍然是完整字符串的索引。因此，当您通过添加 $beg 更新 $start 时，您会获得较高的值。您应该尝试 $start = $beg + 1 而不是 $start = $start + $beg