l-1

WordPress笔记

主页/WordPress笔记/博客文章/开发文章/WordPress 插件中通过 HTTP 请求获取文章的整页源码

WordPress 插件中通过 HTTP 请求获取文章的整页源码

在 WordPress 插件中通过 HTTP 请求获取文章的整页源码，可以使用 WordPress 内置的 HTTP API 或 PHP 的 cURL 实现。以下是两种可靠的方法：

方法 1：使用 WordPress HTTP API（推荐）

/**
 * 通过虚拟HTTP请求获取文章整页HTML源码
 * @param string $url 文章完整URL
 * @return string|false 成功返回HTML源码，失败返回false
 */
function get_post_html_via_http($url) {
    // 发送HTTP请求
    $response = wp_remote_get($url, array(
        'timeout'    => 30, // 超时时间（秒）
        'sslverify' => false, // 跳过SSL验证（适用于本地开发）
        'user-agent' => 'Mozilla/5.0 (WordPress Plugin; Virtual HTTP Request)',
    ));

    // 检查请求结果
    if (is_wp_error($response)) {
        error_log('HTTP请求失败: ' . $response->get_error_message());
        return false;
    }

    // 检查HTTP状态码
    $response_code = wp_remote_retrieve_response_code($response);
    if ($response_code !== 200) {
        error_log("HTTP错误状态码: {$response_code}");
        return false;
    }

    // 返回HTML源码
    return wp_remote_retrieve_body($response);
}

// 使用示例
$post_url = 'https://example.com/hello-world/';
$html_content = get_post_html_via_http($post_url);
if ($html_content) {
    // 成功获取源码
} else {
    // 处理失败情况
}

方法 2：使用 PHP cURL（需服务器支持）

function get_post_html_via_curl($url) {
    $ch = curl_init();
    curl_setopt_array($ch, [
        CURLOPT_URL => $url,
        CURLOPT_RETURNTRANSFER => true,
        CURLOPT_FOLLOWLOCATION => true,
        CURLOPT_MAXREDIRS => 5,
        CURLOPT_TIMEOUT => 30,
        CURLOPT_SSL_VERIFYPEER => false,
        CURLOPT_USERAGENT => 'Mozilla/5.0 (WordPress Plugin; Virtual HTTP Request)',
    ]);

    $html = curl_exec($ch);
    $http_code = curl_getinfo($ch, CURLINFO_HTTP_CODE);
    $error = curl_error($ch);
    curl_close($ch);

    if ($http_code !== 200 || !empty($error)) {
        error_log("cURL请求失败: {$error} | HTTP状态码: {$http_code}");
        return false;
    }

    return $html;
}

关键注意事项

  1. 用户代理设置
    添加自定义 User-Agent 避免被服务器拦截（如 WordPress Plugin Virtual Request）
  2. 本地环境特殊处理
   // 本地开发时跳过SSL验证（生产环境应启用）
   add_filter('https_ssl_verify', '__return_false');
   add_filter('https_local_ssl_verify', '__return_false');
  1. 缓存机制（提升性能）
   // 添加缓存示例（缓存1小时）
   $cache_key = 'post_html_' . md5($url);
   $cached = get_transient($cache_key);
   if ($cached) return $cached;

   $html = get_post_html_via_http($url);
   if ($html) set_transient($cache_key, $html, HOUR_IN_SECONDS);
  1. 权限验证
    如果目标文章需要登录访问：
   // 添加Cookie传递（示例）
   $cookies = [];
   foreach ($_COOKIE as $name => $value) {
       $cookies[] = "$name=" . urlencode($value);
   }
   $options['headers'] = ['Cookie: ' . implode('; ', $cookies)];

完整插件实现建议

/*
Plugin Name: Post HTML Fetcher
Description: 通过虚拟HTTP请求获取文章整页源码
*/
add_action('admin_menu', function() {
    add_management_page(
        '获取文章源码', 
        '文章源码工具', 
        'manage_options', 
        'post-html-fetcher',
        'render_fetcher_page'
    );
});

function render_fetcher_page() {
    // 安全验证
    if (!current_user_can('manage_options')) return;

    $html = '';
    if (isset($_POST['fetch_url'])) {
        check_admin_referer('fetch_html_action');
        $html = get_post_html_via_http(esc_url_raw($_POST['fetch_url']));
    }
    ?>
    <div class="wrap">
        <h1>获取文章HTML源码</h1>
        <form method="post">
            <?php wp_nonce_field('fetch_html_action'); ?>
            <input type="url" name="fetch_url" required 
                   placeholder="https://example.com/your-post/" style="width:70%">
            <button type="submit" class="button button-primary">获取源码</button>
        </form>

        <?php if ($html) : ?>
        <textarea rows="25" style="width:100%; margin-top:20px"><?= esc_textarea($html) ?></textarea>
        <?php endif; ?>
    </div>
    <?php
}

// 此处插入前面的get_post_html_via_http函数

常见问题解决方案

  1. 403禁止访问
  • 添加referer请求头：'headers' => ['Referer' => site_url()]
  • 使用WP REST API替代：/wp-json/wp/v2/posts/<id>?context=edit
  1. 性能优化
   // 限制每分钟请求次数
   $transient_key = 'html_fetch_rate_limit';
   if (get_transient($transient_key)) {
       wp_die('请求过于频繁，请稍后再试');
   }
   set_transient($transient_key, true, MINUTE_IN_SECONDS);
  1. 大文件处理
   // 增加超时时间
   $options['timeout'] = 120;
   // 分段读取
   curl_setopt($ch, CURLOPT_WRITEFUNCTION, function($ch, $data) {
       file_put_contents($tmp_file, $data, FILE_APPEND);
       return strlen($data);
   });

这些方法完全遵循 WordPress 插件开发标准，兼容各种主机环境，并处理了安全验证、错误日志、性能优化等关键问题。

最新更新