使用PHP CURL从sitemap.xml提取所有url

我想用PHP和CURL从sitemap.xml中提取所有url。我的代码适用于内容站点地图（例如：），但不适用于站点地图索引（例如：）。 请帮帮我。谢谢大家!

<?php
$sUrl="http://domain.com/sitemap.xml";

$aXmlLinks = array($sUrl);
$aOtherLinks = array();
while (!empty($aXmlLinks)) {
    foreach ($aXmlLinks as $i =>$sTmpUrl){
        unset($aXmlLinks[$i]);
        $aTmp = getlinkfromxmlsitemap($sTmpUrl);
        echo "Array temp link:<br>";
        print_r($aTmp);
        foreach ($aTmp as $sTmpUrl2) {
            if (strpos($sTmpUrl2, '.xml') !== false) {
                array_push($aXmlLinks,$sTmpUrl2);
            } else {
                array_push($aOtherLinks,$sTmpUrl2);
            }
        }
    }
    echo "<br>Array xml link:<br>";
    print_r($aXmlLinks);
    echo "<br>Array product link:<br>";
    print_r($aOtherLinks);
    echo "<br>-----------------------------------------<br>";
}
print_r($aOtherLinks);


function getlinkfromxmlsitemap($sUrl) {
    // echo "Get link from: $sUrl<br>";
    $ch = curl_init();
    curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
    curl_setopt($ch,CURLOPT_USERAGENT, "Mozilla/5.0 (Windows NT 6.3; WOW64; rv:47.0) Gecko/20100101 Firefox/47.0");
    curl_setopt($ch, CURLOPT_URL, $sUrl);
    $data = curl_exec($ch);
    curl_close($ch);
    $links = array();
    $count = preg_match_all('@<loc>(.+?)<\/loc>@', $data, $matches);
    for ($i = 0; $i < $count; ++$i) {
        $links[] = $matches[0][$i];
    }
    return $links;  
}
?>

$stmpur）{
未设置（$aXmlLinks[$i]）；
$aTmp=getlinkfromxmlsitemap（$sTmpUrl）；
回显“阵列温度链接：
”；
打印（aTmp）；
foreach（$aTmp作为$sTmpUrl2）{
if（strpos（$sTmpUrl2，'.xml'）！==false）{
阵列推送（$aXmlLinks，$sTmpUrl2）；
}否则{
阵列推送（$aOtherLinks，$sTmpUrl2）；
}
}
}
echo“
数组xml链接：
”；
打印（aXmlLinks）；
echo“
阵列产品链接：
”；
打印（其他链接）；
回声“
---------------------------------------
”；
}
打印（其他链接）；
函数getlinkfromxmlsitemap（$sUrl）{
//echo“获取链接自：$sUrl
”；
$ch=curl_init（）；
curl_setopt（$ch，CURLOPT_RETURNTRANSFER，1）；
curl_setopt（$ch，CURLOPT_USERAGENT，“Mozilla/5.0（Windows NT 6.3；WOW64；rv:47.0）Gecko/20100101 Firefox/47.0”）；
curl_setopt（$ch，CURLOPT_URL，$sUrl）；
$data=curl\u exec（$ch）；
卷曲关闭（$ch）；
$links=array（）；
$count=preg_match_all（'@（+？）@'，$data，$matches）；
对于（$i=0；$i<$count；++$i）{
$links[]=$matches[0][$i]；
}
返回$links；
}
?>

您的代码运行良好，但您可以改进某些方面。请检查以下示例，塔尔将返回一个嵌套数组，其中包含您要查看的链接：

<?php
$sUrl1="http://www.phanmemtoday.com/sitemap.xml?page=1";
$sUrl2="http://www.phanmemtoday.com/sitemap.xml";

$aXmlLinks = array($sUrl1,$sUrl2);
$aOtherLinks = array();
while (!empty($aXmlLinks)) {
    foreach ($aXmlLinks as $i =>$sTmpUrl){
        unset($aXmlLinks[$i]);
        $aTmp = getlinkfromxmlsitemap($sTmpUrl);        
        array_push($aOtherLinks,$aTmp);        
    }
    echo "<br>Array xml link:<br>";
    print_r($aXmlLinks);
    echo "<br>Array product link:<br>";
    print_r($aOtherLinks);
    echo "<br>-----------------------------------------<br>";
}
print_r($aOtherLinks);


function getlinkfromxmlsitemap($sUrl) {
    // echo "Get link from: $sUrl<br>";
    $ch = curl_init();
    curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
    curl_setopt($ch,CURLOPT_USERAGENT, "Mozilla/5.0 (Windows NT 6.3; WOW64; rv:47.0) Gecko/20100101 Firefox/47.0");
    curl_setopt($ch, CURLOPT_URL, $sUrl);
    $data = curl_exec($ch);
    $error= curl_error($ch);
    curl_close($ch);
    $links = array();
    $count = preg_match_all('@<loc>(.+?)<\/loc>@', $data, $matches);
    for ($i = 0; $i < $count; ++$i) {
        $links[] = $matches[0][$i];
    }
    return $links;  
}
?>

$stmpur）{
未设置（$aXmlLinks[$i]）；
$aTmp=getlinkfromxmlsitemap（$sTmpUrl）；
阵列推送（$aOtherLinks，$aTmp）；
}
echo“
数组xml链接：
”；
打印（aXmlLinks）；
echo“
阵列产品链接：
”；
打印（其他链接）；
回声“
---------------------------------------
”；
}
打印（其他链接）；
函数getlinkfromxmlsitemap（$sUrl）{
//echo“获取链接自：$sUrl
”；
$ch=curl_init（）；
curl_setopt（$ch，CURLOPT_RETURNTRANSFER，1）；
curl_setopt（$ch，CURLOPT_USERAGENT，“Mozilla/5.0（Windows NT 6.3；WOW64；rv:47.0）Gecko/20100101 Firefox/47.0”）；
curl_setopt（$ch，CURLOPT_URL，$sUrl）；
$data=curl\u exec（$ch）；
$error=curl\u error（$ch）；
卷曲关闭（$ch）；
$links=array（）；
$count=preg_match_all（'@（+？）@'，$data，$matches）；
对于（$i=0；$i<$count；++$i）{
$links[]=$matches[0][$i]；
}
返回$links；
}
?>

它工作不正常。我想编写一个脚本，从站点地图索引中捕获所有子站点地图，然后从child-sitemap中捕获所有其他链接。sitemap.xml几乎没有子站点地图链接。我想捕获所有子站点地图链接，然后从中提取所有页面链接