正则抓取天涯数据，递归失败，求解。。。。

本帖最后由 liuser_cn 于 2013-08-12 21:25:48 编辑

前言：我的面向对象基础一般。。

我是抓的一个模块（鬼话）。
它的下一页是用时间戳来搞的。
我就想，在抓取第一页的所有标题URL之后，顺便抓取下一页的地址（‘可以抓取’）；
现在是，第一页的所有标题的URL抓完了，下一页的URL也抓了，
我想递归100次，抓100页的所有标题的URL。
看代码吧。

   public function getAllPage($url){        /**         * curl_setopt($ch, CURLOPT_FAILONERROR, true);//记录错误信息设置         * curl_errno可以获得错误码,当然也包括错误的http状态码           curl_error可以获得错误信息         */        $ch =  curl_init($url);//初始化一个句柄        curl_setopt($ch,CURLOPT_RETURNTRANSFER,true);        curl_setopt($ch,CURLOPT_TIMEOUT,1111111);        $html = curl_exec($ch);        curl_close($ch);                //修饰一下，从何时开始。        $length     = strpos($html, 'class="mt5');        $newHtml    = substr($html, $length);        //修饰END            $pattern    = "#\/post-.*\.shtml#i"; //正则表达式            preg_match_all($pattern, $newHtml,$matches);            //抓取下一页链接地址            $nextPagePattern   =    "#\<a href=\"(.*)\"\srel#";            preg_match($nextPagePattern, $newHtml,$nextPage);            $nextPageUrl    =   "http://bbs.tianya.cn".$nextPage['1'];            //下一页   END            //链接。全。            foreach($matches['0'] as $k=>$v){                 $matches[$k]   =   'http://bbs.tianya.cn'.$v;            }            //之前的递归是在这里的，一运行直接死掉了。。。。。        return array(            '0'=>$matches,            '1'=>$nextPageUrl,        );    }

我想问一下，这个思路有没有问题？
递归的代码方便给一个么= =！！

回复讨论(解决方案)

foreach($ matches['0'] as $k=>$v){
$matches[$k] = 'http://bbs.tianya.cn'.$v;
}

循环中修改数组的意义是什么呢？
你的递归部分的代码也贴出来

foreach($ matches['0'] as $k=>$v){
$matches[$k] = 'http://bbs.tianya.cn'.$v;
}

循环中修改数组的意义是什么呢？
你的递归部分的代码也贴出来
1：补全，抓取到的地址没有域名。
2：递归。。。我那个注释之前是这样写的，

for($i=0;$i<100;$i++){  $this->getAllPage($nextPageUrl)             }

for($i=0;$i   $this->getAllPage($nextPageUrl)
}

这么做并不是递归抓取100次。
而是循环了一百次，每次都在执行一个递归函数，而你的递归函数是没有出口的（没有跳出递归的出口，会导致无限递归），当然会死了。

for($i=0;$i   $this->getAllPage($nextPageUrl)
}

这么做并不是递归抓取100次。
而是循环了一百次，每次都在执行一个递归函数，而你的递归函数是没有出口的（没有跳出递归的出口，会导致无限递归），当然会死了。
请赐教？

for($i=0;$i   $this->getAllPage($nextPageUrl)
}

这么做并不是递归抓取100次。
而是循环了一百次，每次都在执行一个递归函数，而你的递归函数是没有出口的（没有跳出递归的出口，会导致无限递归），当然会死了。
出口就是判断么？

对你的需求，可以这么做：
public function getAllPage($url, $depth, &$result)
$depth控制递归的深度,初始为0。 引用型的$result 记录最终的匹配到的结果。

递归的跳出部分：
if($depth == 100){
    return;
}

递归函数的递归部分：
    $nextPageUrl    =   "http://bbs.tianya.cn".$nextPage['1'];
    foreach($matches['0'] as $k=>$v){
        $result[] = 'http://bbs.tianya.cn'.$v;
    }
    getAllPage($nextPageUrl,$depth+1,$result);


递归函数初始调用：
$result = array();
getAllPage($url,0,$result);

for($i=0;$i   $this->getAllPage($nextPageUrl)
}

这么做并不是递归抓取100次。
而是循环了一百次，每次都在执行一个递归函数，而你的递归函数是没有出口的（没有跳出递归的出口，会导致无限递归），当然会死了。
出口就是判断么？

还真不是。你即使去掉循环，只用getAllPage(...)那一部分，也会死的。

对你的需求，可以这么做：
public function getAllPage($url, $depth, &$result)
$depth控制递归的深度,初始为0。 引用型的$result 记录最终的匹配到的结果。

递归的跳出部分：
if($depth == 100){
    return;
}

递归函数的递归部分：
    $nextPageUrl    =   "http://bbs.tianya.cn".$nextPage['1'];
    foreach($matches['0'] as $k=>$v){
        $result[] = 'http://bbs.tianya.cn'.$v;
    }
    getAllPage($nextPageUrl,$depth+1,$result);


递归函数初始调用：
$result = array();
getAllPage($url,0,$result);
多谢！！