php正則表達式採集

A. php 正則表達式 網頁採集為什麼源代碼一換行 模式也換行 就是匹配不到

php里的.不能匹配換行，可以使用[sS]替換.

或者添加s模式修飾符，如：

$pattern='#<div>[sS]*?</div>#';
或
$pattern='#<div>.*?</div>#s';

更多正則問題，請參考我的博客《我眼裡的正則表達式入門教程》

B. PHP如何正則表達式提取網頁內容

如果你要<div class="nav" monkey="nav">和<div class="head-ad">之間的所有源碼，用 preg_match 就可以，不用preg_match_all ，如果你要裡面的所有的 <li></li>標簽中的內容，可以用preg_match_all

//提取所有代碼
$pattern = '/<div class="nav" monkey="nav">(.+?)<div class="head-ad">/is';
preg_match($pattern, $string, $match);
//$match[0] 即為<div class="nav" monkey="nav">和<div class="head-ad">之間的所有源碼
echo $match[0];

//然後再提取<li></li>之間的內容
$pattern = '/<li.*?>(.+?)<\/li>/is';

preg_match_all($pattern, $match[0], $results);
$new_arr=array_unique($results[0]);

foreach($new_arr as $kkk){
echo $kkk;

}

C. php 百度 知道數據採集

問題其實不難，自己都能寫。給你幾個思路吧：
1.在網路知道中，輸入linux，然後會出現列表。復制瀏覽器地址欄內容。
然後翻頁，在復制地址欄內容，看看有什麼不同，不同之處，就是你要循環分頁的i值。
當然這個是笨方法。
2.使用php的file或者file_get_contents函數，獲取鏈接URL的內容。
3.通過php正則表達式，獲取你需要的3個欄位內容。
4.寫入資料庫。

需要注意的是，網路知道有可能做了防抓取的功能，你剛一抓幾個頁面，可能會被禁止。
建議也就抓10頁數據。

其實不難，你肯定寫的出來。 還有，網上應該有很多抓取工具，你找找看，然後將抓下來的數據
在做分析。寫入資料庫。

D. PHP 正則表達式總結

PHP 正則表達式總結

1.PHP中兩個常用的正則函數

a.preg_match 正則函數，以perl語言為基礎

語法：preg_match( mode,string subject,array matches)

說明：mode參數---- 正則的模塊，也就是正則表達式（語法）

subject參數---- 正則的內容

matches參數---- 正則的結果（獲得一個數組的形式）

b.ereg 正則函數，以POSIX基礎（Unix、Script）

語法：ereg(mode ,string subject, array regs)

2.正則表達式中包括的元素

a.原子（普通字元：a-z A-Z 0-9 、原子表、轉義字元）

b.元字元（有特殊功能的字元，如：# 、*）

c.模式修正符（系統內置部分字元 i、m、S、U ...）

3.正則表達式中的「原子」

a.a-z A-Z _ 0-9 //最常見的字元

b.(abc)(skd) //用圓括弧包含起來的單元符號（一個整體）

c.[abcs][^abd] //用方括弧包含的原子表，原子表中的^代表排除或相反的內容

d.轉義字元

d 包含所有的數字[0-9]

D 除所有數字外[^0-9]

w 包含所有英文字元[a-z A-Z 0-9]

W 除所有英文字元外[^a-z A-Z 0-9]

s 回車，換行等

......

註明： 圓括弧 必須是整體才能匹配； 方括弧 只要是其子集，都可以匹配（內容存在）

4.正則表達式元字元

* 匹配前一個內容的0次1次或多次

. 匹配內容的0次1次或多次，但不包含回車換行(代指自己，任何內容)

+ 匹配前一個內容的1次或多次

？ 匹配前一個內容的.0次或1次

| 選擇匹配類似PHP中的| （因為這個運算符合是弱類型導致前面最為整體匹配，類似一個單詞匹配）

^ 匹配字元串首部內容

$ 匹配字元串尾部內容

b 匹配單詞邊界，邊界可以是空格或者特殊符合（有單詞分界符，類似空格）

B 匹配除帶單詞邊界意外內容（無單詞分界符）

{m} 匹配前一個內容的重復次數為M次

{m,} 匹配前一個內容的重復次數大於等於M次

{m,n} 匹配前一個內容的重復次數M次到N次

( ) 合並整體匹配，並放入內存，可使用1 2…依次獲取 (調用放入內存中的內容)

5.運算順序

依然遵循從左到→右的運算規則

優先順序：

( ) 圓括弧因為是內存處理所以最高

* ？ + { } 重復匹配內容其次

^ $ b 邊界處理第三

| 條件處理第四

最後按照運算順序計算匹配

6.模式修正符

模式修正符是為正則表達式增強和補充的一個功能，使用在正則之外 例如：/ 正則 / U

常用修正符：

i 正則內容在匹配時候不區分大小寫（默認是區分的）

m 在匹配首內容或者尾內容時候採用多行識別匹配

s 將轉義回車取消是為單行匹配如. 匹配的時候

x 忽略正則中的空白

A 強制從頭開始匹配

D 強制$匹配尾部無任何內容 n

U 禁止貪婪匹配 只跟蹤到最近的一個匹配符並結束， 常用在採集程序上的正則表達式

7.匹配功能

preg_match_all 全部匹配函數

語法：preg_match_all ( string pattern, string subject, array matches [, int flags] )

說明：對結果排序使 $matches[0] 為全部模式匹配的數

用途：截取比較詳細的內容，採集網頁，分析文本

8.替換功能

preg_replace 正則替換函數

語法：preg_replace ( mixed pattern, mixed replacement, mixed subject [, int limit] )

說明：通過正則表達式來替換相關內容，類似之前學過的str_replace字元串替換，但 功能要強於它

提示：1、替換內容可以是一個正則也可以是數組正則

2、替換內容可以通過修正符e來解決替換執行內容

用途：替換一些比較復雜的內容上，也可以用於內容的轉換上

9.分割功能

preg_split 正則切割

語法：preg_split ( string pattern, string subject [, int limit [, int flags]] )

說明：通過正則表達式來切割相關內容，類似之前學過的explode切割函數，但explode 只能按照一種方式切割有局限性。