本文实例讲述了PHP抓取及分析网页的方法。分享给大家供大家参考，具体如下：
抓取和分析一个文件是非常简单的事。这个教程将通过一个例子带领你一步一步地去实现它。让我们开始吧！
首先，我首必须决定我们将抓取的URL地址。可以通过在脚本中设定或通过$QUERY_STRING传递。为了简单起见，让我们将变量直接设在脚本中。
第二步，我们抓取指定文件，并且通过file()函数将它存在一个数组里。
好了，现在在数组里已经有了文件了。但是，我们想分析的文本可能不全在一行里面。为了解决这个文件，我们可以简单地将数组$lines_array转化成一个字符串。我们可以使用implode(x,y)函数来实现它。如果在后面你想用explode(将字符串变量数组)，将x设成”|”或”!”或其它类似的分隔符可能会更好。但是出于我们的目的，最好将x设成空格。y是另一个必要的参数，因为它是你想用implode()处理的数组。
现在，抓取工作就做完了，下面该进行分析了。出于这个例子的目的，我们想得到在到之间的所有东西。为了分析出字符串，我们还需要叫做正规表达式的东西。
<?php$url = 'http://www.php.net';$lines_array = file($url);$lines_string = implode('', $lines_array);eregi("(.*)", $lines_string, $head);?>
让我们看一下代码。正如你所见，eregi()函数按下面的格式执行：
eregi("(.*)", $lines_string, $head);
“(.*)”表示所有东西，可以解释为，”分析在和间的所以东西”。$lines_string是我们正在分析的字符串，$head是分析后的结果存放的数组。
最后，我们可以输数据。因为仅在和间存在一个实例，我们可以安全的假设数组中仅存在着一个元素，而且就是我们想要的。让我们把它打印出来吧。
<?php$url = 'http://www.php.net';$lines_array = file($url);$lines_string = implode('', $lines_array); eregi("(.*)", $lines_string, $head);echo $head[0];?>
这就是全部的代码了。
<?php//获取所有内容url保存到文件function get_index ( $save_file , $prefix = "index_" ){ $count = 68 ; $i = 1 ; if ( file_exists ( $save_file )) @ unlink ( $save_file ); $fp = fopen ( $save_file , "a+" ) or die( "Open " . $save_file . " failed" ); while( $i '/"/s]+)[/"'>]*/s*/i" ; $reg = '/^(down.*?/.html)$/i' ; preg_match_all ( $rex , $file_contents , $r ); $result = "" ; //array(); foreach( $r as $c ){ if ( is_array ( $c )){ foreach( $c as $d ){ if ( preg_match ( $reg , $d )){ $result .= $host_url . $d . "/n" ; } <div>本文来*源gaodai^.ma#com搞#代!码网</div><pre>搞gaodaima代码
} } } return $result ;}//获取指定内容中的多媒体文件function get_content_object ( $str , $split = “|–:**:–|” ){ $regx = “/href/s*=/s*[‘/”]*([^>’/”/s]+)[/”‘>]*/s*(.*?)/i” ; preg_match_all ( $regx , $str , $result ); if ( count ( $result ) == 3 ){ $result [ 2 ] = str_replace ( “多媒体： ” , “” , $result [ 2 ]); $result [ 2 ] = str_replace ( ” ” , “” , $result [ 2 ]); $result = $result [ 1 ][ 0 ] . $split . $result [ 2 ][ 0 ] . “/n” ; } return $result ;}?>
希望本文所述对大家PHP程序设计有所帮助。
转载请注明原文链接：PHP抓取及分析网页的方法详解_PHP
