有关匹配HTML页面内容问题

最近有做到匹配HTML页面上的某些内容的相关工作，在此总结下：

1、下载页面内容file_get_contents

具体用法：file_get_contents($url);  

返回值：返回整个页面字符串

2、提取页面内容

这里有两种方法，一是直接使用正则匹配，二是使用php解析HTML类库（需要下载：simple_html_dom.php），当然，也可以两类结合起来，这样用的更方便

2.1、正则匹配

$content = file_get_contents($url);  

preg_match('正则表达式',  $content, 存放匹配结果的数组名)                         //注：这个方法只匹配第一个遇到的能匹配上的内容

preg_match_all('正则表达式',  $content, 存放匹配结果的数组名,  PREG_PATTERN_ORDER);     //注：可以匹配页面中所有符合的内容

 //最后一个参数有三种类型，关于它们 的区别请自行查看

2.2、使用php解析HTML类库

先下载simple_html_dom.php（下载地址：https://github.com/samacs/simple_html_dom，地址来源于上品物语文章），将其放在项目文件夹下，导入：

include './simple_html_dom.php';

之后就可以开始使用啦！

• 新建一个dom实例：$html = new simple_html_dom();
  
• 加载要处理的内容：$html->load($page);                            
• //有三种加载方式，具体请参考上品物语博文：http://www.cnblogs.com/eczhou/archive/2013/03/15/2961354.html
• 获取内容：$mt = $html->find('div[class=mt10 clear]',0);                  //此例是获取<div class="mt10 clesr">......</div>内的所有内容 

 

2.3、二者结合    

看了以上两种，相信你对第三种已经有了猜想了，接下来就介绍两种的结合

• 用php解析HTML类库缩小我们所需获取内容的范围     
• 使用正则匹配，把匹配函数preg_match() 或 preg_match_all() 的第二个参数换成第一步的返回值，即$mt = $html->find('div[class=mt10 clear]',0);中的$mt

是不是很简单呢？O(∩_∩)O~~