php 正则抓取页面内容_php 正则表达式 抓取网页内容

昨天有個朋友在問我說，php怎麼抓取網頁某個div區塊的內容。像funp推推王那樣每次推文都會顯示文章內的圖片，提供縮圖撰擇，又是怎麼做到的？其實這語法出乎意料的簡短…

1.

取得指定網頁內的所有圖片：測試

//取得指定位址的內容，並儲存至text

$text=file_get_contents('http://andy.diimii.com/');

//取得所有img標籤，並儲存至二維陣列match

preg_match_all('#]*>#i',

$text, $match);

//印出match

print_r($match);

?>

//取得指定位址的內容，並儲存至text

$text=file_get_contents('http://andy.diimii.com/');

//取得所有img標籤，並儲存至二維陣列match

preg_match_all('#]*>#i', $text, $match);

//印出match

print_r($match);

?>

2.

取得指定網頁內的第一張圖片：測試

//取得指定位址的內容，並儲存至text

$text=file_get_contents('http://andy.diimii.com/');

//取得第一個img標籤，並儲存至陣列match(regex語法與上述同義)

preg_match('/]*>/Ui',

$text, $match);

//印出match

print_r($match);

?>

//取得指定位址的內容，並儲存至text

$text=file_get_contents('http://andy.diimii.com/');

//取得第一個img標籤，並儲存至陣列match(regex語法與上述同義)

preg_match('/]*>/Ui', $text, $match);

//印出match

print_r($match);

?>

3.

取得指定網頁內的特定div區塊(藉由id判斷)：測試

//取得指定位址的內容，並儲存至text

$text=file_get_contents('http://andy.diimii.com/2009/01/seo化的關鍵字廣告連結/');

//去除換行及空白字元(序列化內容才需使用)

//$text=str_replace(array("\r","\n","\t","\s"), '',

$text);

//取出div標籤且id為PostContent的內容，並儲存至陣列match

preg_match('/

]*id="PostContent"[^>]*>(.*?)

/si',$text,$match);

//印出match[0]

print($match[0]);

?>

//取得指定位址的內容，並儲存至text

$text=file_get_contents('http://andy.diimii.com/2009/01/seo化的關鍵字廣告連結/');

//去除換行及空白字元(序列化內容才需使用)

//$text=str_replace(array("\r","\n","\t","\s"), '', $text);

//取出div標籤且id為PostContent的內容，並儲存至陣列match

preg_match('/

]*id="PostContent"[^>]*>(.*?) /si',$text,$match);

//印出match[0]

print($match[0]);

?>

4.

上述2及3的結合：測試

//取得指定位址的內容，並儲存至text

$text=file_get_contents('http://andy.diimii.com/2009/01/seo化的關鍵字廣告連結/');

//取出div標籤且id為PostContent的內容，並儲存至陣列match

preg_match('/

]*id="PostContent"[^>]*>(.*?)

/si',$text,$match);

//取得第一個img標籤，並儲存至陣列match2

preg_match('/]*>/Ui',

$match[0], $match2);

//印出match2[0]

print_r($match2[0]);

?>

//取得指定位址的內容，並儲存至text

$text=file_get_contents('http://andy.diimii.com/2009/01/seo化的關鍵字廣告連結/');

//取出div標籤且id為PostContent的內容，並儲存至陣列match

preg_match('/

]*id="PostContent"[^>]*>(.*?) /si',$text,$match);

//取得第一個img標籤，並儲存至陣列match2

preg_match('/]*>/Ui', $match[0], $match2);

//印出match2[0]

print_r($match2[0]);

?>

後記：用正規表達式Regex來做真的很方便，但老實說我規則常會忘掉，記錄一下幾篇文章好了(Regular Expression

Details | PCRE Functions | Introduction to PHP

Regex)

From[http://xiaoniba.net/html/jiaocheng/PHPjiaocheng/2009/0428/464.html]