php 自制基于simple_html_dom的爬虫一只v1.0

一直以来网页解析和爬虫的制作热情丝毫未减 今天用开源的simple_html_dom.php解析框架做了一只爬虫：

<?php
/*
	*.Pho spider v1.0
	*.Written by Radish.ghost 2015.1.20
*/
//error_reporting(1); //close error report
//curl model //I will realize it in later versions
include_once("simple_html_dom.php");
$html=file_get_html('http://www.baidu.com');//The url which you want dig

$tmp=array();//Save the url in the first dig
foreach($html->find('a') as $e) 
{
	$f=$e->href;
	//if($f[10]==':')continue;
	if($f[0]=='/')$f='http://www.baidu.com'.$f;//Completion the url
	if($f[4]=='s')continue;//If the url is "https://" continue (the simple_html_dom might can't prase the https:// url)  
	if(stripos($f,"baidu")==FALSE)continue;//If the url not in this website continue
    echo $f . '<br>';
	$tmp[$cun++]=$f; //Save the urls into array
}

foreach($tmp as $r) //Dig the urls in $tmp[]
{
$html2=file_get_html($r); //Redo the step
foreach($html2->find('a') as $a)
{
	$u=$a->href;
	if($u[0]=='/')$u='http://www.baidu.com'.$u;
	if($u[4]=='s')continue;
	if(stripos($u,"baidu")==FALSE)continue;
	echo $u.'<br>';
}
$html2=null;
}
?>

//最后总会出现一个Fatal error: Call to a member function find() on a non-object in D:\xampp\htdocs\html\index.php on line 21 的警告 与学长沟通后改正了很多小错误 不过这个仍然没有解决 希望有大神能够指点一下

---------------------分割线---------------------

simple_html_dom下载：

https://github.com/Ph0enixxx/simple_html_dom

易优建筑工程集团公司网站源码1.7.1

易优建筑工程集团公司网站源码是基于易优cms开发的，前端页面针对建筑工程施工公司集团的实际需求进行设计，建站行业公司只要通过后台把网站名称、栏目名称、图片替换一下就可以制作属于自己的网站了。前端页面截图 网站首页 项目展示 集团资讯 联系我们项目案例 安装环境要求：操作系统：Linux/Unix/Windows软件环境：Apache/Nginx/IIS + PHP 5.5~7.1 + MySQL

下载

= =家里电脑用不了git4win

立即学习“PHP免费学习笔记（深入）”；

以上就介绍了 php 自制基于simple_html_dom的爬虫一只v1.0，包括了方面的内容，希望对PHP教程有兴趣的朋友有所帮助。