php正規表示式擷取網頁超連結url與網頁中圖片-php教程-PHP中文網

php正規表示式擷取網頁超連結url與網頁中圖片

WBOY

發布： 2016-07-25 08:52:57

原創

1489 人瀏覽過

function match_links($document) {
preg_match_all("'~~] ))[^>]*>?(.*?)'isx",$document,$links);~~
~~while (list($key,$val) = each($links[2])) {~~

if(!empty($val))

$match['link'][] = $val;

}

while(list($key,$val) = each($links[3])) {

if(!empty($val))

$match['link'][] = $val;

}

while(list($key,$val) = each($links[4])) {

if(!empty($val))

$match[ 'content'][] = $val;

}

while(list($key,$val) = each($links[0])) {

if(!empty($val))

$match['all'][] = $val;

}

return $match;

}

複製代碼

主要是正規的問題，下面給個asp.net下的，多測試正規取得頁面的連結正規

public string GetHref(string HtmlCode)
{
string MatchVale = "";
string Reg ="(h|H. )(r|R)(e|E)(f|F) *= *('|"")?((w|\|/|.|:|-|_) )('|""| * |>)?";
foreach (Match m in Regex.Matches(HtmlCode, Reg))
{
MatchVale = (m.Value).ToLower().Replace("href=", " ").Trim() "||";
}
return MatchVale;
}

複製程式碼

例2，php中透過正規表示式下載內容中的遠端圖片的函數代碼

用PHP正規表示式判斷內容中的圖片，下載並保存非本網域下的圖片的程式這段程序其實是屬於「小偷程序」的重要部分。

這段程式只是下載遠端圖片的那一段。

if (preg_match_all("/http://[^ "'] [.jpg|.gif|.jpeg|.png] /ui", stripcslashes($content),$aliurl)){
$i=0; //多個檔案
while(list($key ,$v) = each($aliurl[0])){
//echo $v."
";
$filetype = pathinfo($v, PATHINFO_EXTENSION); //取得後綴名
$ff = @file_get_contents($v); //取得2進位檔案內容
if(!stripos($v,"jbxue.com")){//判斷是否是自己網站下的圖片
if (!empty($ff)){ //取得到檔案就執行下面的操作
$dir = "upload/".date("Ymd")."/";//指定新的儲存路徑
if (!file_exists($dir)){//判斷目錄是否存在
@mkdir($dir,511,true); //建立多層目錄,511轉換成十進位是777具有可執行權限
} // bbs.it-home.org
$nfn = $dir.date("Ymdhis").$i.".".$filetype; //建立檔案的新名稱
$nf = @fopen($nfn,"w"); //建立檔案
fwrite($nf,$ff); //寫入檔案
fclose($nf); //關閉檔案
$i ; //多檔案
echo "";
$content = str_replace($v,$nfn, $content);//替換content中的參數
}else{//取得不到圖片則替換為預設圖片
$content = str_replace($v,"/upload/201204/20120417213810742.gif", $content);//替換content中的參數
}
}
}
}

}

複製程式碼

例3，PHP透過正規表示式下載圖片到本地。

/*
shortage: 如果網頁中的圖片路徑不是絕對路徑，就無法抓取
*/
set_time_limit(0);//抓取不受時間限制
$URL='http://pp.baidu.com/';//任何網址
get_pic($URL);
function get_pic($pic_url) {
//取得圖片二進位流
$data= CurlGet($pic_url);
/*利用正規表示式得到圖片連結*/
$pattern_src = '//';
$num = preg_match_all($pattern_src, $data, $match_src);
$arr_src= $match_src[1];//取得圖片陣列
get_name($arr_src);
echo "
finished!!!";
return 0;
}
/*得到圖片類型，並將其儲存到與該檔案相同目錄*/
function get_name($pic_arr)
{
//圖片類型
$pattern_type = '/(/.(jpg|bmp|jpeg|gif|png))/';
foreach($pic_arr as $pic_item){//循環取出每幅圖的位址
$num = preg_match_all($pattern_type, $pic_item, $match_type);
$pic_name = get_unique().$match_type[1][0];//改時微秒時間戳命名
//以流的形式儲存圖片
$write_fd = @fopen($pic_name,"wb");
@fwrite($write_fd, CurlGet($pic_item));
@fclose_fd, CurlGet($pic_item));
@fclose($ write_fd);
echo "[OK]..!";
}
return 0;
}
//透過微秒時間取得唯一ID
function get_unique(){
list($msec, $sec) = explode(" ",microtime());
return $sec.intval($msec*1000000);
} p>
//抓取網頁內容
function CurlGet($url){
$url=str_replace('&','&',$url);
$curl = curl_init();
curl_setopt($curl, CURLOPT_URL, $url);
curl_setopt($curl, CURLOPT_HEADER, false);
//curl, CURc ( $url);
curl_setopt($curl, CURLOPT_USERAGENT, "Mozilla/4.0 (compatible; MSIE 6.0; SeaPort/1.2; Windows NT 5.1; SV1; InfoPath.2)");
Curl_setopt( , 'cookie.txt');
curl_setopt($curl, CURLOPT_COOKIEFILE, 'cookie.txt');
curl_setopt($curl, CURLOPT_RETURNTRANSFER, 1);
LLWURtop%)$7Sf. ;
$values = curl_exec($curl);
curl_close($curl);
return $values;
}
?>

複製程式碼