php 正则采集新闻,php采集-防乱码-CURL采集，匹配正则采集

1,正则匹配(file_get_contents)

下面我们先模拟一个搜狐的网站进行采集一下，下面是代码，方便各位随时使用呦！

$url="http://www.baidu.com/";//写一个搜狐的网址，采集之前一定要确定有网络呦！

$con=file_get_contents("compress.zlib://".$url);//为了防止乱码，要在前面拼上“compress.zlib:

print_r($con);exit;

下面我们来看看搜狐页面的部分采集

//正则匹配规则

$url="http://www.sohu.com/";//写一个搜狐的网址，采集之前一定要确定有网络呦！

$con=file_get_contents("compress.zlib://".$url);//为了防止乱码，要在前面拼上“compress.zlib"

$preg="#

(.*)#isU";//正则的规则是寻找一个title标签的内容

preg_match_all( $preg,$con,$result);//php正则表达式

print_r($result);exit;

运行下面这个试试吧：试试采集一下不同的标签

$url="http://www.chinaobd2.com/";//写一个chinaobd2的网址，采集之前一定要确定有网络呦！

$con=file_get_contents("compress.zlib://".$url);//为了防止乱码，要在前面拼上“compress.zlib:

$preg='#(.*)#isU';

preg_match_all($preg,$con,$res);

print_r($res);exit;

接下来到了提问的时间了，给大家解释一下“.*”是匹配全部 i,s,u的意思分别是

i是将正则表达式取消大小写的敏感性

s 模式中的圆点元字符(.)匹配所有的字符，包括换行符

U (PCRE_UNGREEDY) 本修正符反转了匹配数量的值使其不是默认的重复，

而变成在后面跟上“?”才变得重复。这和 Perl 不兼容。也可以通过在模式之中设定 (?U) 修正符来启用此选项。

关于#暂时还莫有标准的解释，知道的盆友们留言评论呦

2,CURL采集：(直接可以运行呦)

$url="http://www.chinaobd2.com/";

$ch = curl_init(); //1.初始化

curl_setopt($ch, CURLOPT_URL, $url); //2.请求地址

curl_setopt($ch, CURLOPT_CUSTOMREQUEST, "GET");//3.请求方式，请求方式默认是get

curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);

$tmpInfo = curl_exec($ch);//6.执行

if (curl_errno($ch)) {//7.如果出错

return curl_error($ch);

}

curl_close($ch);//8.关闭

var_dump($tmpInfo);