常用正则

最近不少朋友问我php正则匹配、抓取、爬虫等的问题，我稍微的把最近和别人说的一些常用的文章抓取正则整理了一下，当然了，正则这个东西也并不是一成不变的，不同的人因为思路不同可以写出不同的正则，而且即便是一个人写的正则几次写的也可能不太一样，其实说白了目的只有一个，通过正则完成咱们想要的结果即可，实现过程其实都是大同小异。至于爬虫系列的程序，见别人有很多一口气去除所有的html标签，然后处理，但是我始终认为想要去除html标签，一层一层的去除，然后还能够筛选出自己想要的信息，这样才是稍微靠谱一些。好了，闲话不多说，直接上代码：

抓取网页标题：preg_match_all('/<title>(.*)<\/title>/i',源字符串,获取结果);

去除网页中多余的广告图片：preg_replace('/<img src=\"http:\/\/广告链接\/广告图片名\">/i','',源字符串)  这里面其实可以有很多的写法，这个就要根据实际情况而定，这个去除广告图片的原理其实就是用正则匹配到广告的图片标签，然后直接替换为空字符串即可，至于如何变化就要依情况而定

去除网页中js标签：preg_replace("'<script(.*?)</script>'is","",源字符串) 这里要去除js标签就是纯利用在抓取文章

去除网页中所有class:preg_replace('/(<.*?)class\s*=.*?(\w+\s*=|\s*>)/i', "$1$2", 源字符串)  

去除网页中所有的id: preg_replace('/(<.*?)id\s*=.*?(\w+\s*=|\s*>)/i', "$1$2", 源字符串)

去除网页中无用的注释：preg_replace("/<\!--.*?-->/si","",源字符串)

取到网页中img标签的src:preg_match_all('/<\s*img\s+[^>]*?src\s*=\s*(\'|\")(.*?)\\1[^>]*?\/?\s*>/i',源字符串,存储字符串)

过滤多余的回车符:preg_replace("/\s+/", " ", 源字符串)

好了，到这里其实最常用的抓取替换也就差不多了，纵观上面的用法其实正则就是来回来去的使用替换、匹配这几个函数，其实写正则就是在考验你的正则基本功，正则是没有所谓的万能一说的，一个好的正则说白了就是在“特别定做”。

上面说了这么点，在补充个递归创建文件夹的函数。

function mkDirs($dir){
if(!is_dir($dir)){
if(!mkDirs(dirname($dir))){
return false;
}
if(!mkdir($dir,0777)){
return false;
}
}
return true;
}