四虎精品视频-四虎精品成人免费网站-四虎黄色网-四虎国产视频-国产免费91-国产蜜臀97一区二区三区

基于preg_match_all采集后數據處理的一點心得筆記(編碼轉換和正則匹配)

1、使用curl實現站外采集

具體請參考我上一篇筆記:http://www.jb51.NET/article/46432.htm

2、編碼轉換
首先通過查看源代碼找到采集的網站使用的編碼,通過mb_convert_encoding函數進行轉碼;

具體使用方法:

復制代碼 代碼如下:
//源字符是$str

//以下已知原編碼為GBK,轉換為utf-8
mb_convert_encoding($str, "UTF-8", "GBK");

//以下未知原編碼,通過auto自動檢測后,轉換編碼為utf-8
mb_convert_encoding($str, "UTF-8", "auto");

3、為更好地避開換行符和空格等不定因素的阻礙,有必要先清除采集到的源碼中的換行符、空格符和制表符

復制代碼 代碼如下:
//方法一,使用str_replace進行替換
$contents = str_replace("/r/n", '', $contents); //清除換行符
$contents = str_replace("/n", '', $contents); //清除換行符
$contents = str_replace("/t", '', $contents); //清除制表符
$contents = str_replace(" ", '', $contents); //清除空格符

//方法二,使用正則表達式進行替換
$contents = preg_replace("/([/r/n|/n|/t| ]+)/",'',$contents);

4、通過正則表達式匹配找出需要獲得的代碼段,使用preg_match_all實現該匹配

復制代碼 代碼如下:
函數解釋:
int preg_match_all ( string pattern, string subject, array matches [, int flags] )
pattern即正規表達式
subject即要進行查找的原文
matches是用于儲存輸出結果的數組
flags是儲存的模式,包括:
    PREG_PATTERN_ORDER;  //整個數組是二維數組,$arr1[0]是包括邊界所構成匹配字符串的數組,$arr1[1]除去邊界所構成的匹配字符串的數組
    PREG_SET_ORDER;  //整個數組是二維數組,$arr2[0][0]是第一個包括邊界所構成的匹配的字符串,$arr2[0][1]是第一個除去邊界所構成的匹配的字符串,之后的數組以此類推
    PREG_OFFSET_CAPTURE;  //整個數組是三維數組,$arr3[0][0][0]是第一個包括邊界所構成的匹配的字符串,$arr3[0][0][1]是到達第一個匹配字符串的邊界的偏移量(邊界不算在內),之后以此類推,$arr2[1][0][0]是第一個包括邊界所構成的匹配的字符串,$arr3[1][0][1]是到達第一個匹配字符串的邊界的偏移量(邊界算在內);

//實際應用
preg_match_all('/<pclass=/"content/">(.*?)<//p>/',$contents, $out, PREG_SET_ORDER);
$out將獲取到所有匹配的元素
$out[0][0]將是包括<pclass=/"content/"></p>在內的全段字符
$out[0][1]將是僅包括(.*?)括號內所匹配到的字符段

//如此類推,第n個匹配到的字段可以用以下方法取得
$out[n-1][1]

//若正則表達式中存大多個括號,則取得句中第m個匹配點的方法是
$out[n-1][m]

5、取得要找到字符后,若要去掉html標簽,使用php自帶的函數strip_tags即可方便地實現

復制代碼 代碼如下:
//例
$result=strip_tags($out[0][1]);

php技術基于preg_match_all采集后數據處理的一點心得筆記(編碼轉換和正則匹配),轉載需保留來源!

鄭重聲明:本文版權歸原作者所有,轉載文章僅為傳播更多信息之目的,如作者信息標記有誤,請第一時間聯系我們修改或刪除,多謝。

主站蜘蛛池模板: 潘霜霜惊艳写真照| 故事电影| 口舌 — 视频 | vk| 孤战迷城电视剧剧情介绍| 你一定要幸福 电视剧| 祝福语生日| 朱莉娅·奥蒙德| 佩佩猪| 麻美由真电影| 婚姻审判短剧免费观看全集| 金珉奎怎么读| 一夜风流| 知否知否应是绿肥红瘦观看| 口舌 — 视频 | vk| 哈利学前班| 守株待兔的故事讲解视频完整版| 十大高蛋白食物蔬菜| 电影邓稼先| 潘馨| 珊特尔·范圣滕| 2025女人最走运头像| 守护大电影| 小苹果电影完整版在线观看| 黄网站免费在线看| 烽火流金电视剧全集免费观看| 午间电影| 想太多吉他谱| 电影儿媳| 美辰之屋| 六年级上册美术教案人教版| 小姐与流氓| 金瑟祺| 生物七年级下册人教版电子书| 有冈大贵| 无内秘书| 国家级期刊目录| 男士专用山水画图片| 东方电视台节目表今日节目| 祈使句怎么改| 陈烨个人资料简介| 康熙王朝50集免费观看投屏电视剧|