假设我们使用get方法请求一个网页,得到网页内容后可以匹配出对应的内容。
我们可以使用curl封装一个函数,假设函数名就为get。传入url就能请求指定的网页,将指定网页的HTML代码返回回来。代码如下:
~~~
function get($url) {
//初使化curl
$ch = curl_init();
//请求的url,由形参传入
curl_setopt($ch, CURLOPT_URL, $url);
//将得到的数据返回
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
//不处理头信息
curl_setopt($ch, CURLOPT_HEADER, 0);
//连接超过10秒超时
curl_setopt($ch, CURLOPT_TIMEOUT, 10);
//执行curl
$output = curl_exec($ch);
//关闭资源
curl_close($ch);
//返回内容
return $output;
}
~~~
我们现在使用我们所写的get方法,请求网易的一个列表,将标题和url抓取出来。
我们可以先用get方法中传入一个URL。得到这个网址所对应网页的html。
网址为新媒体观察网的新闻列表页:http://www.xmtnews.com/events
。
将红色区域采集下来:
![](https://box.kancloud.cn/2015-10-14_561e1e5bb2d43.png)
**一、得到彩红色区间的html**
这个区间从下面的HTML代码开始:
~~~
~~~
在以下代码结束:
~~~
~~~
使用preg_match写一个正则表达示就匹配就得到了红色区间的HTML。将匹配到的HTML赋值给变量$area。
匹配的正则表达示如下:
~~~
(.*?)
~~~
**二、在红色区域匹配标题和标题的URL**
我们发现所有的标题都在`
`标签里面。我们使用preg_match_all写一个正则表达示。
`preg_match_all('/
(.*?)/mis', $area, $find);`
将url和内容匹配出来的内容放置到$find中,将$find数组,打印出来就可以看到匹配的结果了。
$content = get('http://www.xmtnews.com/events');