웹페이지 하이퍼링크 URL과 웹페이지의 이미지를 추출하는 PHP 정규 표현식

function match_links($document) {
 preg_match_all("'] ))[^>]*>?(.*?)'isx",$document,$links);
 while(list($key,$val) = 각각($links[2])) {
 if(!empty($val))
 $match['link'][] = $ val;
}
while(list($key,$val) = 각각($links[3])) {
if(!empty($val))
$match['link '][] = $val;
}
while(list($key,$val) = 각각($links[4])) {
if(!empty($val))
$match['content'][] = $val;
}
while(list($key,$val) = 각각($links[0])) {
if(!empty( $val))
$match['all'][] = $val;
}
$match 반환
}

주로 규칙성에 문제가 있습니다. 다음은 더 많은 규칙성을 테스트하기 위한 asp.net의 예입니다. 페이지의 링크 규칙성을 가져옵니다.

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

예제 2, php 정규식을 통해 콘텐츠의 원격 이미지를 다운로드하기 위한 함수 코드

PHP 정규식을 사용하여 콘텐츠의 이미지를 결정하고 이 도메인 이름에 속하지 않는 이미지를 다운로드하고 저장하는 프로그램입니다. 이 프로그램은 실제로 "도둑 프로그램"의 중요한 부분입니다.

프로그램의 이 섹션은 원격 이미지를 다운로드하는 섹션입니다.

if (preg_match_all("/http://[^ "'] [.jpg|.gif|.jpeg|.png] /ui", Stripcslashes($content),$aliurl)){
$i=0; //여러 파일
while(list($key ,$v) = Each($aliurl[0])){
 //echo $v."";
$filetype = pathinfo($v, PATHINFO_EXTENSION); //접미사 이름 가져오기
$ff = @file_get_contents($v); 바이너리 파일 콘텐츠 가져오기
if(!stripos($v,"jbxue.com")){//자신의 웹사이트에서 가져온 이미지인지 확인
if (!empty($ff)){ / / 파일을 구한 후 다음 작업을 수행합니다
$dir = "upload/".date("Ymd")."/";//새 저장 경로 지정
if (!file_exists($dir) ){ //디렉터리 존재 여부 확인
@mkdir($dir,511,true); //다단계 디렉터리 생성, 10진수로 변환한 511은 실행 권한이 있는 777입니다
} //bbs.it -home.org
$nfn = $dir.date("Ymdhis").$i.".".$filetype; //빌드 파일의 새 이름
$nf = @fopen($nfn," w"); //파일 생성
fwrite($nf,$ff); //파일 쓰기
fclose($nf); //파일 닫기
$i; //여러 파일
 echo "< ;img src="".$nfn."">";
$content = str_replace($v,$nfn, $content);//콘텐츠의 매개변수 바꾸기
}else{/ /Get 사진을 사용할 수 없는 경우 기본 사진으로 교체하세요
$content = str_replace($v,"/upload/201204/20120417213810742.gif", $content);//컨텐츠의 매개변수 교체
}
}
}
}

예제 3, PHP는 정규 표현식을 통해 이미지를 로컬로 다운로드합니다.

/*
부족: 웹페이지의 이미지 경로가 절대 경로, 크롤링할 수 없음
*/
set_time_limit(0);//크롤링은 시간에 의해 제한되지 않습니다
$URL='http://pp.baidu .com/ ';//모든 URL
get_pic($URL);
function get_pic($pic_url) {
// 사진 바이너리 스트림 가져오기
$data=CurlGet($pic_url);
/*정규 표현식을 사용하여 이미지 링크 가져오기*/
$pattern_src = '/<[img|IMG].*?src =[' |"](.*?(?:[.gif|.jpg]))['|"].*?[/]?>/'
$num = preg_match_all($pattern_src, $data, $match_src);
$arr_src=$match_src[1];//이미지 배열 가져오기
get_name($arr_src);
echo "< br>완료!";
return 0;
}
/*이미지 유형을 가져와 파일과 동일한 디렉터리에 저장합니다*/
function get_name( $pic_arr)
{
//사진 유형
$pattern_type = '/(/.(jpg|bmp|jpeg|gif|png))/';
foreach($pic_arr as $pic_item){//각 사진의 주소를 가져오는 루프
$num = preg_match_all($pattern_type, $pic_item, $match_type)
$pic_name = get_unique ().$match_type [1][0];//마이크로초 타임스탬프 이름 변경
//스트림 형식으로 사진 저장
$write_fd = @fopen($pic_name,"wb");
@fwrite( $write_fd, CurlGet($pic_item));
@fclose($write_fd);
echo "[OK]..!"
}
return 0; 🎜>}
//마이크로초 시간을 통해 고유 ID 가져오기
function get_unique(){
list($msec, $sec) =explore(" ",microtime ());
return $sec.intval($msec*1000000);
}
//웹 콘텐츠 캡처
function CurlGet($url){
$url =str_replace('&','&',$url);
$curl = curl_init()
curl_setopt($curl, CURLOPT_URL, $url); 컬, CURLOPT_HEADER, false );
//curl_setopt($curl, CURLOPT_REFERER,$url)
curl_setopt($curl, CURLOPT_USERAGENT, "Mozilla/4.0(호환; MSIE 6.0; SeaPort/1.2 ; Windows NT 5.1; InfoPath.2)");
curl_setopt($curl, CURLOPT_COOKIEJAR, 'cookie.txt');
curl_setopt($curl, CURLOPT_COOKIEFILE, 'cookie.txt ');
curl_setopt($curl, CURLOPT_RETURNTRANSFER, 1);
curl_setopt($curl, CURLOPT_FOLLOWLOCATION, 0)
$values ​​​​= curl_exec($curl); );
$ 값 반환;
}
?



코드 복사