Question

假设我们使用 get 方法请求一个网页，得到网页内容后可以匹配出对应的内容。

我们可以使用 curl 封装一个函数，假设函数名就为 get。传入 url 就能请求指定的网页，将指定网页的 HTML 代码返回回来。代码如下：

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;
}

我们现在使用我们所写的 get 方法，请求网易的一个列表，将标题和 url 抓取出来。

我们可以先用 get 方法中传入一个 URL。得到这个网址所对应网页的 html。

网址为新媒体观察网的新闻列表页： http://www.xmtnews.com/events
。

将红色区域采集下来：

一、得到彩红色区间的 html
这个区间从下面的 HTML 代码开始：

<section class="ov">

在以下代码结束：

<div class="hr-10"></div>

使用 preg_match 写一个正则表达示就匹配就得到了红色区间的 HTML。将匹配到的 HTML 赋值给变量$area。

匹配的正则表达示如下：

<section class="ov">(.*?)<div class="hr-10"><\/div>/mis'

二、在红色区域匹配标题和标题的 URL

我们发现所有的标题都在 <h3> 标签里面。我们使用 preg_match_all 写一个正则表达示。

preg_match_all('/<h3><a href="(.*?)" title=".*?" class="headers" target="_blank">(.*?)<\/a><\/h3>/mis', $area, $find);

将 url 和内容匹配出来的内容放置到$find 中，将$find 数组，打印出来就可以看到匹配的结果了。

如果需要，也可以循环读取显示每一行标题和每一行 URL。

全部代码演示如下：

<?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;
}