PHP抓取網頁和分析
Thursday, 29. June 2006, 06:41:03
譯者：limodou
抓取和分析一個文件是非常簡單的事。這個教程將通過一個例子帶領你一步一步地去實現它。讓我們開
始吧！
首先，我首必須決定我們將抓取的URL地址。可以通過在腳本中設定或通過$QUERY_STRING傳遞。爲了簡
單起見，讓我們將變量直接設在腳本中。
第二步，我們抓取指定文件，並且通過file()函數將它存在一個數組裏。
好了，現在在數組裏已經有了文件了。但是，我們想分析的文本可能不全在一行裏面。爲了解決這個文
件，我們可以簡單地將數組$lines_array轉化成一個字符串。我們可以使用implode(x,y)函數來實現它。如
果在後面你想用explode(將字符串變量數組)，將x設成"|"或"!"或其它類似的分隔符可能會更好。但是出於
我們的目的，最好將x設成空格。y是另一個必要的參數，因爲它是你想用implode()處理的數組。
現在，抓取工作就做完了，下面該進行分析了。出於這個例子的目的，我們想得到在<head>到</head>
之間的所有東西。爲了分析出字符串，我們還需要叫做正規表達式的東西。
讓我們看一下代碼。正如你所見，eregi()函數按下面的格式執行：
"(.*)"表示所有東西，可以解釋爲，"分析在<head>和</head>間的所以東西"。$lines_string是我們正
在分析的字符串，$head是分析後的結果存放的數組。
最後，我們可以輸數據。因爲僅在<head>和</head>間存在一個實例，我們可以安全的假設數組中僅存
在着一個元素，而且就是我們想要的。讓我們把它打印出來吧。
這就是全部的代碼了。
抓取和分析一個文件是非常簡單的事。這個教程將通過一個例子帶領你一步一步地去實現它。讓我們開
始吧！
首先，我首必須決定我們將抓取的URL地址。可以通過在腳本中設定或通過$QUERY_STRING傳遞。爲了簡
單起見，讓我們將變量直接設在腳本中。
<? $url = 'http://www.php.net'; ?>
第二步，我們抓取指定文件，並且通過file()函數將它存在一個數組裏。
<? $url = 'http://www.php.net'; $lines_array = file($url); ?>
好了，現在在數組裏已經有了文件了。但是，我們想分析的文本可能不全在一行裏面。爲了解決這個文
件，我們可以簡單地將數組$lines_array轉化成一個字符串。我們可以使用implode(x,y)函數來實現它。如
果在後面你想用explode(將字符串變量數組)，將x設成"|"或"!"或其它類似的分隔符可能會更好。但是出於
我們的目的，最好將x設成空格。y是另一個必要的參數，因爲它是你想用implode()處理的數組。
<?
$url = 'http://www.php.net';
$lines_array = file($url);
$lines_string = implode('', $lines_array);
?>
現在，抓取工作就做完了，下面該進行分析了。出於這個例子的目的，我們想得到在<head>到</head>
之間的所有東西。爲了分析出字符串，我們還需要叫做正規表達式的東西。
<?
$url = 'http://www.php.net';
$lines_array = file($url);
$lines_string = implode('', $lines_array);
eregi("<head>(.*)</head>", $lines_string, $head);
?>
讓我們看一下代碼。正如你所見，eregi()函數按下面的格式執行：
eregi("<head>(.*)</head>", $lines_string, $head);
"(.*)"表示所有東西，可以解釋爲，"分析在<head>和</head>間的所以東西"。$lines_string是我們正
在分析的字符串，$head是分析後的結果存放的數組。
最後，我們可以輸數據。因爲僅在<head>和</head>間存在一個實例，我們可以安全的假設數組中僅存
在着一個元素，而且就是我們想要的。讓我們把它打印出來吧。
<?
$url = 'http://www.php.net';
$lines_array = file($url);
$lines_string = implode('', $lines_array);
eregi("<head>(.*)</head>", $lines_string, $head);
echo $head[0];
?>
這就是全部的代碼了。