Php 如何加速检查HTML中链接的类？

我拼凑了一个类来检查链接。它可以工作，但速度很慢：

该类基本上解析HTML字符串并返回href和src属性的所有无效链接。以下是我如何使用它：

$class = new Validurl(array('html' => file_get_contents('http://google.com')));

$invalid_links = $class->check_links();

print_r($invalid_links);

由于HTML有很多链接，它会变得非常慢，我知道它必须遍历每个链接并遵循它，但是也许有经验的人可以给我一些关于如何加速它的建议

代码如下：

class Validurl{

    private $html = '';

    public function __construct($params){ 

        $this->html = $params['html'];

    } 

    public function check_links(){

        $invalid_links = array();    

        $all_links = $this->get_links();

        foreach($all_links as $link){

            if(!$this->is_valid_url($link['url'])){

                array_push($invalid_links, $link);

            }

        }

        return  $invalid_links;

    }

    private function get_links() {

        $xml = new DOMDocument();

        @$xml->loadHTML($this->html);

        $links = array();

        foreach($xml->getElementsByTagName('a') as $link) {
            $links[] = array('type' => 'url', 'url' => $link->getAttribute('href'), 'text' => $link->nodeValue);
        }

        foreach($xml->getElementsByTagName('img') as $link) {
            $links[] = array('type' => 'img', 'url' => $link->getAttribute('src'));
        }        

        return $links;
    }

    private function is_valid_url($url){

         if ((strpos($url, "http")) === false) $url = "http://" . $url;

         if (is_array(@get_headers($url))){

              return true;

         }else{

             return false;

         }
    }

}

---

您可以缓存结果（在DB中，例如：键值存储），以便验证器假设如果链接有效，它将在24小时或一周或类似时间内有效。

首先，我不会将链接和图像推送到数组中，然后在数组中迭代，当您可以直接迭代getElementsByTagName（）的结果时。你得为我做两次。您应该以如下方式使用cUrl（在a中找到）：

---

更新：是的，某种缓存也会有所帮助，例如一个SQLITE数据库，其中有一个表用于链接和结果，您可以每天清除该数据库。

您希望

如果（（strpos（$url，“http”）===false）$url=“http://”$网址将修复大多数链接？那变成
的
呢？目前，我的班级只检查绝对URL，幸运的是，这就是它所要做的一切！我在想也许用卷发更好？我不确定我的脚本是等待页面加载，还是只是获取标题并关闭连接？请小心，不要打开安全漏洞（即带有URL的外部页面，如“）@Yuliy-谢谢你将记住这一点！这可能会起作用，但老实说，我不打算保存链接，只有当我收集了大量链接时，它才可能变得有用！如果你检查一个网站的多个页面，这应该会提高性能。想想所有的页面设计图像（背景、标题、按钮）
function get_headers_curl($url) 
{ 
    $ch = curl_init(); 

    curl_setopt($ch, CURLOPT_URL,            $url); 
    curl_setopt($ch, CURLOPT_HEADER,         true); 
    curl_setopt($ch, CURLOPT_NOBODY,         true); 
    curl_setopt($ch, CURLOPT_RETURNTRANSFER, true); 
    curl_setopt($ch, CURLOPT_TIMEOUT,        15); 

    $r = curl_exec($ch); 
    $r = split("\n", $r); 
    return $r; 
}