如何用file_get_contents获取c-shadow类链接的锚文本

嘿，这个需求其实挺好实现的，不过先给你提个醒：千万别用正则表达式解析HTML，HTML结构太灵活了，正则很容易漏掉情况或者匹配出错。咱们用PHP自带的DOM扩展来处理才是稳妥的路子，结合file_get_contents就能搞定。

实现步骤&代码示例 #

下面是完整的实现代码，我给你加了详细注释，你可以直接参考：

<?php
// 1. 目标页面URL
$targetUrl = 'https://example.com/your-target-page';

// 2. 用file_get_contents获取页面HTML，可选设置请求头（模拟浏览器，避免被反爬）
$context = stream_context_create([
    'http' => [
        'header' => "User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/114.0.0.0 Safari/537.36\r\n"
    ]
]);

$html = file_get_contents($targetUrl, false, $context);

// 检查是否成功获取HTML
if (!$html) {
    die('无法获取目标页面内容，请检查URL是否正确或页面是否可访问');
}

// 3. 初始化DOMDocument并加载HTML
$dom = new DOMDocument();
// 禁用严格的HTML错误检查（很多页面的HTML不规范，避免警告）
libxml_use_internal_errors(true);
$dom->loadHTML($html);
libxml_clear_errors();

// 4. 用DOMXPath查询所有class包含"c-shadow"的a标签
$xpath = new DOMXPath($dom);
// XPath表达式：匹配所有class属性中包含"c-shadow"的<a>标签
// 注意：如果要精确匹配class（即class只有c-shadow，没有其他值），可以改成：//a[@class="c-shadow"]
$links = $xpath->query('//a[contains(@class, "c-shadow")]');

// 5. 遍历结果，提取锚文本
$anchorTexts = [];
if ($links->length > 0) {
    foreach ($links as $link) {
        // 获取标签内的文本内容，trim去掉前后空格
        $text = trim($link->textContent);
        if (!empty($text)) {
            $anchorTexts[] = $text;
        }
    }
}

// 输出结果
print_r($anchorTexts);
?>

一些关键注意事项 #

• 编码问题：如果目标页面的编码不是UTF-8，可能需要在loadHTML前转码，比如用mb_convert_encoding($html, 'HTML-ENTITIES', 'GBK')（根据实际编码调整）。
• 精确匹配class：如果你的目标链接的class只有c-shadow（没有其他类名），可以把XPath表达式改成//a[@class="c-shadow"]，这样匹配更准确。
• 动态内容问题：如果目标页面的链接是通过JavaScript动态加载的，file_get_contents是获取不到的，因为它不会执行JS。这种情况你可能需要用无头浏览器（比如Puppeteer）来抓取渲染后的页面。
• 反爬机制：有些网站会阻止file_get_contents的请求，这时候可以在stream_context_create里添加更多请求头（比如Referer、Cookie等）模拟真实浏览器请求。

内容的提问来源于stack exchange，提问作者wrkman