使用Simple Html Dom爬取Booking.com：仅输出含/hotel/的结果链接及标题

嘿，我来帮你搞定这个问题！你现在需要筛选出包含/hotel/路径的链接，同时提取对应的酒店标题，下面是具体的调整方案和代码说明：

核心思路 #

1. 精准筛选链接：用正则匹配包含/hotel/路径的完整HTTP/HTTPS链接
2. 提取对应标题：Booking的酒店结果都有专门的容器和标题元素，直接定位这些元素比遍历所有<a>标签更可靠
3. 处理相对路径：部分链接可能是相对路径，需要补全域名确保链接可用

修改后的完整代码 #

<?php
include 'simple_html_dom.php';

$searchText = "Venice";
$searchText = str_replace(" ", "+", $searchText);
$url = "https://www.booking.com/searchresults.en-gb.html?aid=1781605&lang=en-gb&sid=3bb432f656e368125330f71ea0e74e36&sb=1&src=index&src_elem=sb&error_url=https://www.booking.com/index.en-gb.html?aid=1781605;sid=3bb432f656e368125330f71ea0e74e36;sb_price_type=total;srpvid=dc2798d544dd007f&;&ss=".$searchText."&is_ski_area=0&ssne=".$searchText."&ssne_untouched=".$searchText."&dest_id=-132007&dest_type=city&checkin_year=2019&checkin_month=5&checkin_monthday=19&checkout_year=2019&checkout_month=5&checkout_monthday=20&group_adults=2&group_children=0&no_rooms=1&b_h4u_keep_filters=&from_sf=1";

print $url."<br>";
$html = file_get_html($url);
$i = 0;

// 直接定位酒店结果容器，避免匹配无关链接
$hotelContainers = $html->find('div.sr_item');
foreach ($hotelContainers as $container) {
    // 提取酒店名称链接（Booking页面专门用于酒店标题的元素）
    $linkObj = $container->find('a.hotel_name_link', 0);
    if (!$linkObj) continue;
    
    $link = trim($linkObj->href);
    // 补全相对路径为完整链接
    if (!preg_match('/^https?:\/\//', $link)) {
        $link = 'https://www.booking.com' . $link;
    }
    
    // 提取酒店标题（纯文本格式）
    $title = trim($linkObj->plaintext);
    
    $i++;
    echo "[$i] 酒店标题: " . $title . "<br>";
    echo "酒店链接: " . $link . "<br/><hr/>";
}
?>

关键细节说明 #

• 精准定位容器：通过div.sr_item定位每个酒店的结果容器，这样不会匹配到页脚、导航栏里的无关/hotel/链接
• 链接处理：如果遇到相对路径（比如/hotel/it/xxx.html），自动补全Booking的域名，确保链接可以直接访问
• 标题提取：使用a.hotel_name_link元素获取标题，这是Booking页面中专门用于展示酒店名称的标签，比遍历所有<a>标签更可靠

重要提醒 #

Booking.com有反爬机制，频繁请求可能会导致IP被封禁，建议添加请求间隔（比如用sleep()函数），同时遵守网站的robots.txt规则。如果后续页面结构变化，需要重新检查元素的类名或结构哦。

内容的提问来源于stack exchange，提问作者Rudra Sarkar