スーパーシンプルなシンプルなPHPの爬虫類

CURLとシンプルなPHPの爬虫類を達成するために、XPathのフィルタデータにより、DOMDocumentオブジェクトを使用します

<？PHPの
 ヘッダ（ 'コンテンツタイプ：text / plainの;のcharset = UTF-8' ）。

$ target_url = "http://www.baidu.com" 。
$ CH = curl_init（）; 

ますcurl_setopt（$ chを、CURLOPT_URL、$のtarget_url ）。
ますcurl_setopt（$ chを、CURLOPT_FAILONERROR、真の）; 
ますcurl_setopt（$ chを、CURLOPT_FOLLOWLOCATION、真の）; 
ますcurl_setopt（$ chを、CURLOPT_AUTOREFERER、真の）; 
ますcurl_setopt（$ chを、CURLOPT_RETURNTRANSFER、真の）; 
ますcurl_setopt（$ chを、CURLOPT_TIMEOUT、10 ）; 

$ HTML = curl_exec（$のCH ）; 

IF（！$ HTML ）{
     エコー "<br /> cURLのエラー番号：" .curl_errno（$のCH ）;
     エコー "cURLのエラー/> <br：" 。curl_error（$のCH ）;
     出口; 
} 

// DOMDOCUMENTは、HTMLのためのプロセスオブジェクトを作成します
$ DOMを = 新しい新しいのDOMDocument（）;
 // HTMLロードする文字列から 
の@ $のDOMを - > loadHTML（$ HTML ）;
 / / HTML正規化された
の$ DOM - > 正規化（）; 

//は、照会のために、DOMXPathを使うことの最大とDOMを読み込みます
$のxpath = 新しい DOMXPathを使うことの最大（$のDOM ）。
＃获取所有的标签的地址
$のhref = $のxpath - >評価（ '// * / A [ID = "U1" @]' ）; 

用（$ I = 0; $ iが < $ href属性 - >長さ; $ iが ++ ）{
     $ HREF = $ href属性 - >アイテム（$ I ）。
    $ linktext = $ hrefの - > のnodeValue;
    エコー $ linktextを。PHP_EOL ; 
}

？> 

<HR> 
<PRE> 
<？= $ htmlの？>
</ PRE>