php 用正则表达式提取网页内容

$str = 'li class="blackArea" data-sourcelatest-elem="item" data-tvid="694641300" data-vid="7b0b59d2ef0cb1152368ca9be9a4ae76" data-idx="4" data-sourcelatest-month="" data-delegate="videoPlayList"

创新互联公司是一家专业的成都网站建设公司，我们专注网站设计、网站制作、网络营销、企业网站建设，外链，一元广告为企业客户提供一站式建站解决方案，能带给客户新的互联网理念。从网站结构的规划UI设计到用户体验提高，创新互联力求做到尽善尽美。

p class="video_position video_rb"span class="v_name" rseat="xj_ty3"第2017-06-08期/span/p

h3 a title="微体兔新版馋嘴小面" href="javascript:void(0);" rseat="xj_vn3"微体兔新版馋嘴小面/a /h3

/li';

$pattern = "/[\s\S]*li[^]+data-tvid[=\"\']+([^\"\']*)[\"\'][^]*data-vid[=\"\']+([^\"\']*)[\"\'][\s\S]*/i";

$tvid = preg_replace($pattern, "$1", $str);

$vid = preg_replace($pattern, "$2", $str);

$reg = "/[\s\S]*p[^]*((?:(?!\/p)[\s\S])*)\/p[\s\S]*/i";

$p = preg_replace($reg, "$1", $str);

$reg = "/[\s\S]*h3[^]*((?:(?!\/h3)[\s\S])*)\/h3[\s\S]*/i";

$h3 = preg_replace($reg, "$1", $str);

echo $tvid."\n".$vid."\n".$p."\n".$h3;

php 正则获取网站内容

我写好了，用Dreamweaver调试过，可以匹配。

先用下面正则提取需要的代码段：

Draw Result.+?(\d{1,2})/td.+?(\d{1,2})/td.+?(\d{1,2})/td.+?(\d{1,2})/td.+?(\d{1,2})/td.+?(\d{1,2})/td

再用正则替换，把该内容中除了数字以外的代码去除：

替换成$1,$2,$3,$4,$5,$6 即可得到 4,7,8,33,36,43

php获取网页源码内容有哪些办法

可以参考以下几种方法：

方法一： file_get_contents获取

span style="white-space:pre" /span$url="";

span style="white-space:pre" /span$fh= file_get_contents

('');span style="white-space:pre" /spanecho $fh;

方法二：使用fopen获取网页源代码

span style="white-space:pre" /span$url="";

span style="white-space:pre" /span$handle = fopen ($url, "rb");

span style="white-space:pre" /span$contents = "";

span style="white-space:pre" /spanwhile (!feof($handle)) {

span style="white-space:pre"  /span$contents .= fread($handle, 8192);

span style="white-space:pre" /span}

span style="white-space:pre" /spanfclose($handle);

span style="white-space:pre" /spanecho $contents; //输出获取到得内容。

方法三：使用CURL获取网页源代码

$url="";

$UserAgent = 'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.0; SLCC1; .NET CLR 2.0.50727; .NET CLR 3.0.04506; .NET CLR 3.5.21022; .NET CLR 1.0.3705; .NET CLR 1.1.4322)';

$curl = curl_init(); //创建一个新的CURL资源

curl_setopt($curl, CURLOPT_URL, $url); //设置URL和相应的选项

curl_setopt($curl, CURLOPT_HEADER, 0);  //0表示不输出Header，1表示输出

curl_setopt($curl, CURLOPT_RETURNTRANSFER, 1); //设定是否显示头信息,1显示，0不显示。//如果成功只将结果返回，不自动输出任何内容。如果失败返回FALSE

curl_setopt($curl, CURLOPT_SSL_VERIFYPEER, false);

curl_setopt($curl, CURLOPT_SSL_VERIFYHOST, false);

curl_setopt($curl, CURLOPT_ENCODING, ''); //设置编码格式，为空表示支持所有格式的编码

//header中“Accept-Encoding: ”部分的内容，支持的编码格式为："identity"，"deflate"，"gzip"。

curl_setopt($curl, CURLOPT_USERAGENT, $UserAgent);

curl_setopt($curl, CURLOPT_FOLLOWLOCATION, 1);

//设置这个选项为一个非零值(象 “Location: “)的头，服务器会把它当做HTTP头的一部分发送(注意这是递归的，PHP将发送形如 “Location: “的头)。

$data = curl_exec($curl);

echo $data;

//echo curl_errno($curl); //返回0时表示程序执行成功

curl_close($curl); //关闭cURL资源，并释放系统资源

拓展资料

PHP（外文名:PHP: Hypertext Preprocessor，中文名：“超文本预处理器”）是一种通用开源脚本语言。语法吸收了C语言、Java和Perl的特点，利于学习，使用广泛，主要适用于Web开发领域。PHP 独特的语法混合了C、Java、Perl以及PHP自创的语法。它可以比CGI或者Perl更快速地执行动态网页。

用PHP做出的动态页面与其他的编程语言相比，PHP是将程序嵌入到HTML（标准通用标记语言下的一个应用）文档中去执行，执行效率比完全生成HTML标记的CGI要高许多；PHP还可以执行编译后代码，编译可以达到加密和优化代码运行，使代码运行更快。

参考资料：PHP（超文本预处理器)-百度百科

php正则表达式怎么抓取网页数据

会用正则就会抓取。

不会正则，一时半会也教不错。

不过，推荐你使用phpQuery这个框架，用jQuery的使用器来抓取数据。

PHP如何正则表达式提取网页内容

如果你要div class="nav" monkey="nav"和div class="head-ad"之间的所有源码，用 preg_match 就可以，不用preg_match_all ，如果你要里面的所有的 li/li标签中的内容，可以用preg_match_all

//提取所有代码

$pattern = '/div class="nav" monkey="nav"(.+?)div class="head-ad"/is';

preg_match($pattern, $string, $match);

//$match[0] 即为div class="nav" monkey="nav"和div class="head-ad"之间的所有源码

echo $match[0];

//然后再提取li/li之间的内容

$pattern = '/li.*?(.+?)\/li/is';

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

$new_arr=array_unique($results[0]);

foreach($new_arr as $kkk){

echo $kkk;

}

网站名称：php正则抓取网页数据,php获取网页数据
文章转载：http://azwzsj.com/article/hsdpgj.html