假設我們使用get方法請求一個網頁,得到網頁內容後可以符合出對應的內容。
我們可以使用curl封裝一個函數,假設函數名稱就是get。傳入url就能請求指定的網頁,將指定網頁的HTML程式碼回傳回來。程式碼如下:
function get($url) { //初使化curl $ch = curl_init(); //请求的url,由形参传入 curl_setopt($ch, CURLOPT_URL, $url); //将得到的数据返回 curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1); //不处理头信息 curl_setopt($ch, CURLOPT_HEADER, 0); //连接超过10秒超时 curl_setopt($ch, CURLOPT_TIMEOUT, 10); //执行curl $output = curl_exec($ch); //关闭资源 curl_close($ch); //返回内容 return $output; }
我們現在使用我們所寫的get方法,請求網易的一個列表,將標題和url抓取出來。
我們可以先用get方法中傳入一個URL。得到這個網址所對應網頁的html。
網址為新媒體觀察網站的新聞列表頁:http://www.xmtnews.com/events 。
將紅色區域採集下來:
一、得到採紅色區間的html
這個區間從下面的HTML程式碼開始:
<section class="ov">
在以下程式碼結束:
<div class="hr-10"></div>
使用preg_match寫一個正規表示示就符合就符合就得到了紅色區間的HTML。將符合到的HTML賦值給變數$area。
匹配的正規表示如下:
<section class="ov">(.*?)<div class="hr-10"><\/div>/mis'
二、在紅色區域匹配標題和標題的URL
我們發現所有的標題都在<h3>標籤裡面。我們使用preg_match_all寫一個正規表示示。
preg_match_all('/<h3><a href="(.*?)" title=".*?" class="headers" target="_blank">(.*?)<\/a><\/h3>/mis', $area, $find);
將url和內容配對出來的內容放置到$find中,將$find數組,印出來就可以看到匹配的結果了。
如果需要,也可以循環讀取顯示每一行標題和每一行URL。
全部程式碼示範如下:
<?php $content = get('http://www.xmtnews.com/events'); preg_match('/<section class="ov">(.*?)<div class="hr-10"><\/div>/mis', $content, $match); //将正则匹配到的内容赋值给$area $area = $match[1]; preg_match_all('/<h3><a href="(.*?)" title=".*?" class="headers" target="_blank">(.*?)<\/a><\/h3>/', $area, $find); var_dump($find); function get($url) { //初使化curl $ch = curl_init(); //请求的url,由形参传入 curl_setopt($ch, CURLOPT_URL, $url); //将得到的数据返回 curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1); //不处理头信息 curl_setopt($ch, CURLOPT_HEADER, 0); //连接超过10秒超时 curl_setopt($ch, CURLOPT_TIMEOUT, 10); //执行curl $output = curl_exec($ch); //关闭资源 curl_close($ch); //返回内容 return $output; } ?>