ＰＨＰ正则表达式的使用技巧-php手册-PHP中文网

ＰＨＰ正则表达式的使用技巧

php中文网

发布： 2016-06-06 20:13:57

原创

1403人浏览过

初学php,需要做一些信息抓取的工作，刚开始用的是simple-html-dom做的网页的解析，发现虽然使用起来会比较方法，但是缺点也是致命的，速度慢，控制不精准，后来也接触了snoopy，效果还是不怎么好，所以选择了使用curl+正则来做网页的抓取和解析工作。 functi

初学php,需要做一些信息抓取的工作，刚开始用的是simple-html-dom做的网页的解析，发现虽然使用起来会比较方法，但是缺点也是致命的，速度慢，控制不精准，后来也接触了snoopy，效果还是不怎么好，所以选择了使用curl+正则来做网页的抓取和解析工作。

function dangdang ($keywords)
{
//$keywords="java";//搜索关键词
$urls='http://search.dangdang.com/?key='.$keywords.'&category_path=01.00.00.00.00.00&type=01.00.00.00.00.00/';
//echo $urls;
$st=curl_init();
curl_setopt($st, CURLOPT_URL, $urls);
curl_setopt($st, CURLOPT_RETURNTRANSFER,1);//返回内容为字符串
curl_setopt($st,CURLOPT_FOLLOWLOCATION,TRUE);
curl_setopt($st,CURLOPT_MAXREDIRS,2);//设置重定向最大两次
curl_setopt($st,CURLOPT_TIMEOUT,100);//等待时间不超过五秒
$dl_page=curl_exec($st);
$info_arr=curl_getinfo($st);
//var_dump($info_arr);
preg_match_all("/<a title=.*/",$dl_page,$matches_all);
//var_dump($matches_all);
$num= count($matches_all[0]);
for($count=0;$count<$num;$count++)
{
echo $count.'<br>';
preg_match_all("/title="([^"]*)"s*class/",$matches_all[0][$count],$matches_title);
echo($matches_title[1][0]);
echo '<br>';
preg_match_all("/http://img.*jpg/",$matches_all[0][$count],$matches_img);
echo ('@@##@@');
echo '<br>';
preg_match_all("/http([^A]*)A/",$matches_all[0][$count],$matches_url);
echo($matches_url[0][0]);
echo '<br>';
preg_match_all("/http://comm([^"]*)/",$matches_all[0][$count],$matches_plurl);
//preg_match_all("/<as*href="([^"]*)"/",$matches_all[0][$count],$matches_plurl);
//var_dump($matches_plurl);//评论url
echo($matches_plurl[0][0]);
echo '<br>';
preg_match_all("/detail"s*>([^<]*)</",$matches_all[0][$count],$matches_jianjie);
echo($matches_jianjie[1][0]);
echo '<br>';
preg_match_all("/&yen;d+.dd/",$matches_all[0][$count],$matches_price);
preg_match_all("/d+.dd/",$matches_price[0][0],$matches_price);
echo($matches_price[0][0]);
//echo($matches_price[0][0]);
echo '<br>';
preg_match_all("/num">d*/",$matches_all[0][$count],$matches_pinglun);
preg_match_all("/d+/",$matches_pinglun[0][0],$matches_pinglun);
echo($matches_pinglun[0][0]);
echo '<br>';
preg_match_all("/title='([^']*)'/",$matches_all[0][$count],$matches_price);
echo($matches_price[1][0]);
echo '<br>';
}
}

登录后复制

以上代码实现了对当当网搜索数据的抓取和分析，取出了书名，作者价格简介等信息，下面介绍一下正则的使用技巧。

以亚马逊网站为例：

查看亚马逊网站搜索结果页面的源码，找到搜索商品结果部分代码

ＰＨＰ正则表达式的使用技巧看到这个源码后相信大多数人头都大了，我们可以仔细分析网站页面的特点，我们发现每个商品的信息都是保存在li标签里面，而且每个li都有自己固定的ID 亚马逊，这就是我们的突破口，即匹配li和ID即可确定每个商品的位置，还需要注意的是在每个li标签中还有换行和空行这样的地方普通的．＊模糊匹配无法匹配，所以在进行模糊匹配时还需要进行换行和空行的匹配

Dbsite企业网站管理系统1.5.0

Dbsite企业网站管理系统V1.5.0 秉承"大道至简邦达天下"的设计理念,以灵巧、简单的架构模式构建本管理系统。可根据需求可配置多种类型数据库（当前压缩包支持Access）.系统是对多年企业网站设计经验的总结。特别适合于中小型企业网站建设使用。压缩包内包含通用企业网站模板一套，可以用来了解系统标签和设计网站使用。QQ技术交流群：115197646 系统特点：1.数据与页

查看详情

preg_match_all("/<lis+id="result_[0-9]*.*([.
]*)\n.*\n.*\n[\s| ]*.*/",$dl_page,$matches_all);

登录后复制

这样就可以确定每个商品的信息，然后再进行商品名称和价格的匹配，这样可以减少错误的匹配。

原文地址：ＰＨＰ正则表达式的使用技巧, 感谢原作者分享。