如何查找网站上的所有链接/页面

是否可以在任何给定的网站上找到所有页面和链接？我想输入URL并生成该站点所有链接的目录树吗？

我看过HTTrack，但是下载了整个网站，我只需要目录树。

检出linkchecker－它会爬行网站（同时遵循robots.txt）并生成报告。从那里，您可以编写脚本来创建目录树。

如果浏览器中具有开发者控制台（JavaScript），则可以在以下位置键入此代码：

urls = document.querySelectorAll('a'); for (url in urls) console.log(urls[url].href);

缩短：

n=$$('a');for(u in n)console.log(n[u].href)

另一种选择可能是

Array.from(document.querySelectorAll("a")).map(x => x.href)

随着你$$(甚至更短

Array.from($$("a")).map(x => x.href)

如果这是一个编程问题，那么我建议您编写自己的正则表达式来解析所有检索到的内容。目标标记是IMG和A，用于标准HTML。对于JAVA，

final String openingTags = "(<a [^>]*href=['\"]?|<img[^> ]* src=['\"]?)";

这与Pattern和Matcher类一起应该可以检测标记的开头。如果还需要CSS，请添加LINK标记。

但是，这并不像您最初想象的那么容易。许多网页格式不正确。如果您需要考虑所有不规则表达，那么以编程方式提取人类可以“识别”的所有链接确实非常困难。

祝好运！

function getalllinks($url) {
    $links = array();
    if ($fp = fopen($url, 'r')) {
        $content = '';
        while ($line = fread($fp, 1024)) {
            $content. = $line;
        }
    }
    $textLen = strlen($content);
    if ($textLen > 10) {
        $startPos = 0;
        $valid = true;
        while ($valid) {
            $spos = strpos($content, '<a ', $startPos);
            if ($spos < $startPos) $valid = false;
            $spos = strpos($content, 'href', $spos);
            $spos = strpos($content, '"', $spos) + 1;
            $epos = strpos($content, '"', $spos);
            $startPos = $epos;
            $link = substr($content, $spos, $epos - $spos);
            if (strpos($link, 'http://') !== false) $links[] = $link;
        }
    }
    return $links;
}

试试这个代码...。