网页抓取链接需要判断是否包含img元素

Question

我正在为项目构建自定义抓取工具。我目前可以抓取网页上的所有链接，将 HREF 和锚文本存储在数据库中。但是，在尝试确定锚元素是否包含图像元素时，我遇到了困难。

这是我的代码：

foreach($rows as $row) {
    $url = $row['url'];
    $dom = new DOMDocument;
    libxml_use_internal_errors(TRUE); //disable libxml errors
    $dom->loadHTML(file_get_contents($url));

    // Write source page, destination URL and anchor text to the database
    foreach($dom->getElementsByTagName('a') as $link) {
        $href = $link->getAttribute('href');
        $anchor = $link->nodeValue;
        $img = $link->getElementsByTagName('img');
        $imgalt = $img->getAttribute('alt');

然后我将数据写入数据库。这在 $img 和 $imgalt 中工作正常，但我真的想确定锚点是否包含图像以及是否有 alt 属性。我知道问题在于我如何尝试使用 getElementsByTagName select 图像。我整天都在谷歌搜索并尝试了很多不同的建议，但似乎没有任何效果。这可能吗？

我已按照 here 中提到的说明进行操作。

有一些进展。我可以在锚元素中回显图像的 HTML（如果我只是 echo DOMinnerHTML($link)），但我仍然无法获得 alt 属性。我不断收到 "Call to a member function getAttribute() on a non-object".

这是我的代码：

foreach($dom->getElementsByTagName('a') as $link) {
        $href = $link->getAttribute('href');
        $anchor = $link->nodeValue;
        $imgdom = DOMinnerHTML($link);
        $imgalt = $imgdom->getAttribute('alt');
        if(isset($imgalt)){
            echo $imgalt;
        }

Answer 1

嗯，我可以假设你想要这样的东西：

<?php

$html_fragment = <<<HTML
<html>
<head>
    <title></title>
</head>
<body>
<div id="container">
    <a href="#a">there is n image here</a>
    <a href="#b"><img src="path/to/image-b" alt="b: alt content"></a>
    <a href="#c"><img src="path-to-image-c"></a>
    <a href="#d"><img src="path-to-image-d" alt="c: alt content"></a>
</div>
</body>
</html>
HTML;


$dom = new DOMDocument();
@$dom->loadHTML($html_fragment);
$links = $dom->getElementsByTagName('a');

foreach ($links as $link) {
    # link contains image child?
    $imgs    = $link->getElementsByTagName('img');
    $has_img = $imgs->length > 0;

    if ($has_img) {     
        $has_alt = (bool) $imgs->item(0)->getAttribute("alt");
        # img element has alt attribute?
        if ($has_alt) {
            // do something...
        }
    } else {
        // do something...
    }
}

请记住，如 PHP 文档中所述，DOMElement::getAttribute() return 属性的值，或 空字符串 如果没有找到具有给定名称的属性。因此，为了检查节点属性是否存在，只需检查 return 值是否为空字符串。

网页抓取链接需要判断是否包含img元素

Scraping Links on Webpage Need to Determine if they contain Img elements

php

dom

domdocument

getelementsbytagname

getattribute