如何用file_get_contents获取class为c-shadow的链接的所有锚文本

嘿，这个需求用PHP的DOM扩展来实现是最稳妥的——别用正则处理HTML，坑太多！我给你整理了一套完整的实现方案，分步骤来看：

核心思路 #

先用file_get_contents抓取目标页面的HTML源码，再通过DOMDocument和DOMXPath解析页面，精准定位所有class为c-shadow的<a>标签，最后提取它们的锚文本。

完整代码示例 #

<?php
// 目标页面URL
$targetUrl = 'https://example.com/your-target-page';

// 1. 抓取页面内容（带基础错误处理）
$htmlContent = file_get_contents($targetUrl);
if (!$htmlContent) {
    die('无法获取目标页面内容，请检查URL是否正确或服务器是否允许访问');
}

// 2. 初始化DOM解析器，处理不规范HTML的警告
libxml_use_internal_errors(true); // 屏蔽HTML解析时的警告
$dom = new DOMDocument();
$dom->loadHTML($htmlContent);
libxml_clear_errors(); // 清除错误缓存

// 3. 用XPath定位目标链接
$xpath = new DOMXPath($dom);
// 这里的XPath写法确保精准匹配class包含"c-shadow"的a标签（避免匹配类似c-shadow-xxx的class）
$links = $xpath->query('//a[contains(concat(" ", normalize-space(@class), " "), " c-shadow ")]');

// 4. 提取锚文本并收集结果
$anchorTexts = [];
if ($links->length > 0) {
    foreach ($links as $link) {
        // 获取纯文本内容，自动去除多余空格和换行
        $anchorText = trim($link->textContent);
        if (!empty($anchorText)) {
            $anchorTexts[] = $anchorText;
        }
    }
}

// 输出结果（或者根据你的需求处理）
print_r($anchorTexts);
?>

注意事项 #

• 关于file_get_contents的局限性：有些服务器会阻止file_get_contents的请求（因为默认的User-Agent太直白），这时候可以改用CURL来模拟浏览器请求，比如设置User-Agent头：

  $ch = curl_init();
  curl_setopt($ch, CURLOPT_URL, $targetUrl);
  curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
  curl_setopt($ch, CURLOPT_USERAGENT, 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/114.0.0.0 Safari/537.36');
  $htmlContent = curl_exec($ch);
  curl_close($ch);
  

• XPath的精准匹配：为什么要用concat(" ", normalize-space(@class), " ")？因为class属性可能有多个值（比如class="c-shadow other-class"），这样写能确保我们匹配的是独立的c-shadow类，而不是其他包含这个字符串的类名。

内容的提问来源于stack exchange，提问作者wrkman