使用简单HTML DOM解析器的strpos（）错误

Question

简单HTML DOM解析器（1分钟，39秒）

<?php
    include('simple_html_dom.php');

    $i = 0;
    $times_to_run = 100;
    set_time_limit(0);

    while ($i++ < $times_to_run) {
        // Find target image
        $url = "http://store.steampowered.com/app/".$i;
        $html = file_get_html($url);
        $element = $html->find('img.game_header_image_full');

        if($i == $times_to_run) {
            echo "Success!";
        }

        foreach($element as $key => $value){
        // Check if image was found
            if (strpos($value,'img') == false) {
                // Do nothing, repeat loop with $i++;

            } else {
                // Add (don't overwrite) to file steam.txt
                file_put_contents('steam.txt', $url.PHP_EOL , FILE_APPEND);
            }
        }
    }
?>

vs. cURL替代。.（34s）

<?php

    $i = 0;
    $times_to_run = 100;
    set_time_limit(0);

    while ($i++ < $times_to_run) {

        $ch = curl_init();
        curl_setopt( $ch, CURLOPT_URL, 'http://store.steampowered.com/app/'.$i);
        curl_setopt( $ch, CURLOPT_RETURNTRANSFER, true);
        $content = curl_exec($ch);

        $url = "http://store.steampowered.com/app/".$i;

        $reg = "/<\\s*img\\s+[^>]*class=['\"][^'\"]*game_header_image_full[^'\"]*['\"]/i";

        if(preg_match($reg, $content)) {
            file_put_contents('steam.txt', $url.PHP_EOL , FILE_APPEND);
        }

    }

?>

由于某种原因，第一个成功捕获了9个URL，而第二个（cURL）仅捕获了带有preg_match的8个URL。 它会自动超时还是会超时，或者preg_match是否不如$html->find('img.game_header_image_full') ？

Answer 1

问题N 1

尝试在数组上循环，然后在循环内使用strpos ..（适应于您需要strpos评估

<?php
include('simple_html_dom.php');

$i = 0;
$times_to_run = 100;

while ($i++ < $times_to_run) {
    // Find target image
    $url = "http://store.steampowered.com/app/".$i;
    $html = file_get_html($url);
    $element = $html->find('img.game_header_image_full');

    forarch($elemnt as $key => $value){
         // Check if image was found
         if (strpos($value,'img') == false) {
             // Do nothing, repeat loop with $i++;

         } else {
            // Add (don't overwrite) to file steam.txt
        file_put_contents('steam.txt', $url.PHP_EOL , FILE_APPEND);
       }
    }
}
?>

Answer 2

有理由认为，您只会对$element不为空的情况感兴趣：

$found = $html->find('img.game_header_image_full');
if(!empty($found)) {
    file_put_contents('steam.txt', $url.PHP_EOL , FILE_APPEND);
}

这样也可以避免$html->find()返回多个结果的情况（考虑到选择器是基于类的，而不是基于ID的，则可能会发生这种情况）。

此外，您可能会考虑使用HTML解析器对性能的影响。 使用Curl检索数据和使用正则表达式查找元素的性能要好得多（因为您只在查找类名，而HTML采用可预测的格式）：

$reg = "/<\\s*img\\s+[^>]*class=['\"][^'\"]*game_header_image_full[^'\"]*['\"]/i";
if(preg_match($reg, $raw_source)) {
    file_put_contents('steam.txt', $url.PHP_EOL , FILE_APPEND);
}

可能会表现得更好。 正则表达式本质上说：

Starts with an open tag.
Zero or more whitespace.
Tag is `img`
Zero or more whitespace.
Any character that is not an end-tag.
Class declaration.
The class declaration contains `game_header_image_full`.

在这里工作： https ： //regex101.com/r/fQ8lJ1/1

此外：如果您使用Multi Curl（ 如此处所述） ，您将看到无法想象的速度。

最后一件事：如果您是从命令行执行此操作，请考虑使用简单的echo语句，而不是追加。 这将允许您进行测试，并且可以在运行时将其追加到文件中，如下所示：

$ php file_to_execute.php >> steam.txt