我可以解析外部网页的目录列表吗？

Question

是否可以解析外部网页的目录列表，因为该网页是可访问的，并且当我访问它时它会显示文件列表。 我只想知道是否可以在 PHP 中动态解析文件以及如何解析？ -谢谢你

很抱歉不清楚。 我的意思是一个目录列表，例如： http://www.ibiblio.org/pub/ （/..的索引）以及将内容读取为数组或在我的脚本中易于操作的能力

Answer 1

您可以使用preg_match或DomDocument

对于您的情况：

$contents = file_get_contents("http://www.ibiblio.org/pub/");
preg_match_All("|href=[\"'](.*?)[\"']|", $contents, $hrefs);
var_dump($hrefs);

如果你想看看一个工作演示。

Answer 2

如果您要返回一个目录列表，其中包含正确 XHTML 文档中的链接，您可以使用DOMDocument和如下代码来获取文件列表：

$doc = new DOMDocument();
$doc->preserveWhitespace = false;
$doc->load('directorylisting.html');

$files = $doc->getElementsByTagName('a');

$files现在是一个DOMElement列表，您可以遍历它并获取href属性以获取列表中文件的完整路径。

请注意，此方法需要从服务器返回格式正确的目录列表。 例如，您不能在stackoverflow.com上发出请求并获取文件的目录列表。

如果这不起作用（可能是格式错误的 HTML），您可以使用正则表达式（例如preg_match_all ）查找<a标签，如下所示：

preg_match_all('@<a href\="([a-zA-Z\.\-\_\/ ]*)">(.*)</a>@', file_get_contents('http://www.ibiblio.org/pub/'), $files);
var_dump($files);

$files仍然是匹配的元素，只是一组 arrays。

---

更新，我用你的 URL （ http://www.ibiblio.org/pub/ ）进行了测试，它工作正常（ preg_match_all方法）。

Answer 3

是的，很有可能。 我不太清楚目录列表的含义，但您应该研究网站爬虫。 这基本上就是您要问的，但写在 PHP 中。

Answer 4

PHP file_get_content将为您解决问题。

（假设您对此页面的 http 请求返回文件列表，正如您所提到的）