从HTML中提取文本

Question

可能重复：
Grabbing the href attribute of an A element

我试图从HTML页面的某些文件夹的名称，该HTML的源代码看起来是这样的..

<li><a href="/"> Parent Directory</a></li> 
<li><a href=".ftpquota"> .ftpquota</a></li> 
<li><a href="Folder%201/"> Folder 1/</a></li> 
<li><a href="Floder%202/"> Folder 2/</a></li> 
<li><a href="Folder%20N/"> Folder N/</a></li> 

我到目前为止创建的，我可以提取一些文件夹，但不能正确提取。

这里是我做了什么..

<?php 

    $url = "URL"; 
    $page_data = file_get_contents($url); 
    $search_pattern = "<li><a href="; 
    $position = 0; 

    while($position = strpos($page_data,$search_pattern, $position+strlen($search_pattern))) 
    { 
     //$pos2 = strpos($page_data, "\"> ", $position); 
     //echo $position . " - " . $pos2 . " = " . ($pos2-$position) . "<br />"; 
     $str = substr($page_data,$position+strlen($search_pattern)+1, $pos2-$position); 
     echo "<pre>" . $position . " || " . $str . "\n</pre>"; 
    } 

?> 

每个文件夹包含了一些文件，我将使用copy()因为我使用的是Windows拷贝，所以我没有wget。

我在做什么错在这里？

这是我的输出：

156 || /"> Parent Directory 
.ftpquota 

Folder 1/ 

Folder 2/ 

Folder N/ 

但我真正需要的是：

Folder 1 
Folder 2 
Folder N 

原因以后，我会通过文件夹循环，并复制文件。

Answer 1

使用DOMDocument和DOMXPath为HTML

$string = '<li><a href="/"> Parent Directory</a></li> 
<li><a href=".ftpquota"> .ftpquota</a></li> 
<li><a href="Folder%201/"> Folder 1/</a></li> 
<li><a href="Floder%202/"> Folder 2/</a></li> 
<li><a href="Folder%20N/"> Folder N/</a></li> 
<li><a href="file.bin"> file.bin</a></li>'; 

$html = new DOMDocument(); 
$html->loadHTML($string); 
$xpath = new DOMXPath($html); 
$filtered = $xpath->query("//a/@href"); 

foreach($filtered as $one){ 
    if(strlen($one->nodeValue) > 1) { 
     echo urldecode($one->nodeValue)."\n"; 
    } 
} 

Codepad Example