1

fff.htmlはメールアドレスが記載されたメールで、hrefのmailtoリンクがあるものとないものがあるので、スクレイピングして以下の形式で出力したい

Lorem@ipsum.com,dolor@sit.com,amet@consectetur.com

href リンクされているものを取得するための単純なスクレーパーがありますが、何かがおかしいです

  <?php
    $url = "fff.html";
    $raw = file_get_contents($url);

    $newlines = array("\t","\n","\r","\x20\x20","\0","\x0B");
    $content = str_replace($newlines, "", html_entity_decode($raw));

    $start = strpos($content,'<a href="mailto:');
    $end = strpos($content,'"',$start) + 8;
    $mail = substr($content,$start,$end-$start);

    print "$mail<br />";
    ?>

lorem ipsum の元の使用に対して余分なポイントを取得する必要があります

4

1 に答える 1

3

問題は、HTML ページに複数の電子メール アドレスがある場合です。substr は最初のインスタンスのみを返します。すべての電子メール アドレスを解析するスクリプトを次に示します。使用するためには、いくつかの調整が必要になる場合があります。要求した CSV 形式で結果が出力されます。

<?php
$url = "fff.html";
$raw = file_get_contents($url);

$newlines = array("\t","\n","\r","\x20\x20","\0","\x0B");
$content = str_replace($newlines, "", html_entity_decode($raw));

$start = strpos($content, '<body>');
$end = strpos($content, '</body>');
$data = substr($content, $start, $end-$start);

$pattern = '#a[^>]+href="mailto:([^"]+)"[^>]*?>#is';
preg_match_all($pattern, $data, $matches);

foreach ($matches[1] as $key => $email) {
    $emails[] = $email;
}
echo implode(', ', $emails );
?>
于 2010-08-12T20:48:00.137 に答える