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$QUERY_STRING传递。为了简单起见，让我们将变量直接设在脚本中。
PHP;">
第二步，我们抓取指定文件，并且通过file()函数将它存在一个数组里。
PHP;">
好了，现在在数组里已经有了文件了。但是，我们想分析的文本可能不全在一行里面。为了解决这个文件，我们可以简单地将数组$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。
PHP;">
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;">
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：
PHP;">
eregi("(.*)",$head);
"(.*)"表示所有东西，可以解释为，"分析在
和间的所以东西"。$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;">
PHP
$url = 'http://www.PHP.net';
$lines_array = file($url);
$lines_string = implode('',$lines_array); eregi("(.*)",$head);
echo $head[0];
?>
这就是全部的代码了。
PHP;">
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 @H_502_47@'/"/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" ; }
}
}
}
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 ;
}
?>
更多关于PHP相关内容感兴趣的读者可查看本站专题：《》、《》、《》、《》、《》、《》、《》、《》、《》、《》及《PHP常见数据库操作技巧汇总》
希望本文所述对大家PHP程序设计有所帮助。
