如何用PHP高效采集新闻列表及详情，并解决相对路径和内容提取难题？

$html = curl_exec($ch); // 获取页面HTML内容

preg_match_all('/<a\s+href="https://www.php.cn/link/01bebc8e971d09cb90cf5756b340f24c"/i', $html, $matches); // 提取所有<a href="">标签中的链接
$news_links = [];
$base_url = 'http://www.example.com'; //  替换为目标网站域名

foreach ($matches[1] as $relative_path) {
    $absolute_url = $base_url . ($relative_path[0] == '/' ? $relative_path : '/' . $relative_path); // 拼接完整URL
    $news_links[] = $absolute_url;
}
```

这段代码首先使用正则表达式提取所有`<a href="">`标签中的链接，然后遍历提取的相对路径，将其与网站域名拼接成完整的URL，存储到`$news_links`数组中。


**挑战二：高效提取新闻详情页内容**

接下来，遍历`$news_links`数组中的每个链接，再次使用cURL获取新闻详情页的HTML内容，并提取新闻标题和内容。

```php
foreach ($news_links as $news_link) {
    curl_setopt($ch, CURLOPT_URL, $news_link);
    $detail_html = curl_exec($ch);

    // 提取新闻标题 (需要根据实际HTML结构调整正则表达式)
    preg_match('/<title>(.*?)<\/title>/i', $detail_html, $title_match);
    $title = isset($title_match[1]) ? $title_match[1] : '';

    // 提取新闻内容 (需要根据实际HTML结构调整正则表达式)
    preg_match('/<div class="content text-xs">https://www.php.cn/link/01bebc8e971d09cb90cf5756b340f24c<\/div>/is', $detail_html, $content_match);
    $content = isset($content_match[1]) ? strip_tags($content_match[1]) : ''; // 使用strip_tags清除HTML标签

    // 输出新闻标题、完整路径和内容
    echo "标题: " . $title . "<br>";
    echo "链接: " . $news_link . "<br>";
    echo "内容: " . $content . "<br><br>";
}