phpRegex提取網頁超連結url與網頁中圖片

function match_links($document) { preg_match_all("'<\s*a\s.*?href\s*=\s*([\"\'])?(?(1)(.*?)\\1|([^\s\>]+))[^>]*>?(.*?)'isx",$document,$links); while(list($key,$val) = each($links[2])) { if(!empty($val)) $match['link'][] = $val; } while(list($key,$val) = each($links[3])) { if(!empty($val)) $match['link'][] = $val; } while(list($key,$val) = each($links[4])) { if(!empty($val)) $match['content'][] = $val; } while(list($key,$val) = each($links[0])) { if(!empty($val)) $match['all'][] = $val; } return $match; } 複製代碼 主要是正則的問題，下面給出個asp.net下的，多測試正則擷取頁面的連結正則 public string GetHref(string HtmlCode) { string MatchVale = ""; string Reg = @"(h|H)(r|R)(e|E)(f|F) *= *('|"")?((\w|\\|\/|\.|:|-|_)+)('|""| *|>)?"; foreach (Match m in Regex.Matches(HtmlCode, Reg)) { MatchVale += (m.Value).ToLower().Replace("href=", "").Trim() + "||"; } return MatchVale; } 複製代碼 例2，php中通過Regex下載內容中的遠程圖片的函數代碼 用PHPRegex判斷內容中的圖片，下載並儲存非本網域名稱下的圖片的程式這段程式其實是屬於“小偷程式”的重要部分。 這一段程式只是下載遠程圖片的那一段。 if (preg_match_all("/http://[^ "']+[.jpg|.gif|.jpeg|.png]+/ui",stripcslashes($content),$aliurl)){ $i=0; //多個檔案++ while(list($key ,$v) = each($aliurl[0])){ //echo $v." "; $filetype = pathinfo($v, PATHINFO_EXTENSION); //擷取尾碼名 $ff = @file_get_contents($v); //擷取2進位檔案內容 if(!stripos($v,"jbxue.com")){//判斷是否是自己網站下的圖片 if (!empty($ff)){ //擷取到檔案就執行下面的操作 $dir = "upload/".date("Ymd")."/";//指定新的儲存路徑 if (!file_exists($dir)){//判斷目錄是否存在 @mkdir($dir,511,true); //建立多級目錄,511轉換成十進位是777具有可執行許可權 } // bbs.it-home.org $nfn = $dir.date("Ymdhis").$i.".".$filetype; //構建檔案的新名字 $nf = @fopen($nfn,"w"); //建立檔案 fwrite($nf,$ff); //寫入檔案 fclose($nf); //關閉檔案 $i++; //多檔案++ echo ""; $content = str_replace($v,$nfn, $content);//替換content中的參數 }else{//擷取不到圖片則替換為預設圖片 $content = str_replace($v,"/upload/201204/20120417213810742.gif", $content);//替換content中的參數 } } } } 複製代碼 例3，PHP通過Regex下載圖片到本地。 /* shortage: 如果網頁中的圖片路徑不是絕對路徑，就無法抓取 */ set_time_limit(0);//抓取不受時間限制 $URL='http://pp.baidu.com/';//任意網址 get_pic($URL); function get_pic($pic_url) { //擷取圖片二進位流 $data=CurlGet($pic_url); /*利用Regex得到圖片連結*/ $pattern_src = '/<[img|IMG].*?src=[\'|\"](.*?(?:[\.gif|\.jpg]))[\'|\"].*?[\/]?>/'; $num = preg_match_all($pattern_src, $data, $match_src); $arr_src=$match_src[1];//獲得圖片數組 get_name($arr_src); echo " finished!!!"; return 0; } /*得到圖片類型，並將其儲存到與該檔案同一目錄*/ function get_name($pic_arr) { //圖片類型 $pattern_type = '/(/.(jpg|bmp|jpeg|gif|png))/'; foreach($pic_arr as $pic_item){//迴圈取出每幅圖的地址 $num = preg_match_all($pattern_type, $pic_item, $match_type); $pic_name = get_unique().$match_type[1][0];//改時微秒時間戳記命名 //以流的形式儲存圖片 $write_fd = @fopen($pic_name,"wb"); @fwrite($write_fd, CurlGet($pic_item)); @fclose($write_fd); echo "[OK]..!"; } return 0; } //通過微秒時間獲得唯一ID function get_unique(){ list($msec, $sec) = explode(" ",microtime()); return $sec.intval($msec*1000000); } //抓取網頁內容 function CurlGet($url){ $url=str_replace('&','&',$url); $curl = curl_init(); curl_setopt($curl, CURLOPT_URL, $url); curl_setopt($curl, CURLOPT_HEADER, false); //curl_setopt($curl, CURLOPT_REFERER,$url); curl_setopt($curl, CURLOPT_USERAGENT, "Mozilla/4.0 (compatible; MSIE 6.0; SeaPort/1.2; Windows NT 5.1; SV1; InfoPath.2)"); curl_setopt($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); curl_close($curl); return $values; } ?> 複製代碼

