php用正则表达抓取网页中文章(正则表达式非常复杂的业务逻辑及应用开发的逻辑 )
优采云 发布时间: 2021-12-09 18:06php用正则表达抓取网页中文章(正则表达式非常复杂的业务逻辑及应用开发的逻辑
)
概述
正则表达式，一个非常古老而强大的文本处理工具，只需要很短的表达式语句就可以快速实现非常复杂的业务逻辑。如果你精通正则表达式，你的开发效率可以大大提高。
根据下面提供的规律，可以使用提供的工具生成代码
1. 验证密码强度
密码的强度必须收录大小写字母和数字的组合，不能使用特殊字符，长度在8-10之间。
^(?=.*\\d)(?=.*[a-z])(?=.*[A-Z]).{8,10}$
8到16位数字必须有小写字母+大写字母+特殊字符+数字，不分先后顺序
(?=^.{8,16}$)(?=.*\d)(?=.*\W+)(?=.*[a-z])(?=.*[A-Z])(?!.*\n).*$
2. 验证中文
字符串只能是中文。
^[\\u4e00-\\u9fa5]{0,}$
3. 由数字、26 个英文字母或下划线组成的字符串
^\\w+$
4. 验证电子邮件地址
与密码一样，以下是电子邮件地址合规性的定期检查声明。
[\\w!#$%&'*+/=?^_`{|}~-]+(?:\\.[\\w!#$%&'*+/=?^_`{|}~-]+)*@(?:[\\w](?:[\\w-]*[\\w])?\\.)+[\\w](?:[\\w-]*[\\w])?
5. 验证*敏*感*词*号码
以下是*敏*感*词*号码的定期验证。15 或 18 位数字。
15位数字：
^[1-9]\\d{7}((0\\d)|(1[0-2]))(([0|1|2]\\d)|3[0-1])\\d{3}$
18个地方：
^[1-9]\\d{5}[1-9]\\d{3}((0\\d)|(1[0-2]))(([0|1|2]\\d)|3[0-1])\\d{3}([0-9]|X)$
6. 检查日期
对于“yyyy-mm-dd”格式的日期检查，已考虑平闰年。
^(?:(?!0000)[0-9]{4}-(?:(?:0[1-9]|1[0-2])-(?:0[1-9]|1[0-9]|2[0-8])|(?:0[13-9]|1[0-2])-(?:29|30)|(?:0[13578]|1[02])-31)|(?:[0-9]{2}(?:0[48]|[2468][048]|[13579][26])|(?:0[48]|[2468][048]|[13579][26])00)-02-29)$
7. 查看金额
金额验证，精确到小数点后2位。
^[0-9]+(.[0-9]{2})?$
8. 验证手机号码
以下是中国以13、15、18开头的手机号码的正则表达式。（前两位可根据目前国内采集号进行扩充）
^(13[0-9]|14[5|7]|15[0|1|2|3|5|6|7|8|9]|18[0|1|2|3|5|6|7|8|9])\\d{8}$
9. 判断IE的版本
IE还没有完全替代，很多页面还需要版本兼容。以下是IE版本检查的表达式。
^.*MSIE [5-8](?:\\.[0-9]+)?(?!.*Trident\\/[5-9]\\.0).*$
10. 验证 IP-v4 地址
IP4 正则声明。
\\b(?:(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\\.){3}(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\\b
11. 验证 IP-v6 地址
IP6 正则声明。
(([0-9a-fA-F]{1,4}:){7,7}[0-9a-fA-F]{1,4}|([0-9a-fA-F]{1,4}:){1,7}:|([0-9a-fA-F]{1,4}:){1,6}:[0-9a-fA-F]{1,4}|([0-9a-fA-F]{1,4}:){1,5}(:[0-9a-fA-F]{1,4}){1,2}|([0-9a-fA-F]{1,4}:){1,4}(:[0-9a-fA-F]{1,4}){1,3}|([0-9a-fA-F]{1,4}:){1,3}(:[0-9a-fA-F]{1,4}){1,4}|([0-9a-fA-F]{1,4}:){1,2}(:[0-9a-fA-F]{1,4}){1,5}|[0-9a-fA-F]{1,4}:((:[0-9a-fA-F]{1,4}){1,6})|:((:[0-9a-fA-F]{1,4}){1,7}|:)|fe80:(:[0-9a-fA-F]{0,4}){0,4}%[0-9a-zA-Z]{1,}|::(ffff(:0{1,4}){0,1}:){0,1}((25[0-5]|(2[0-4]|1{0,1}[0-9]){0,1}[0-9])\\.){3,3}(25[0-5]|(2[0-4]|1{0,1}[0-9]){0,1}[0-9])|([0-9a-fA-F]{1,4}:){1,4}:((25[0-5]|(2[0-4]|1{0,1}[0-9]){0,1}[0-9])\\.){3,3}(25[0-5]|(2[0-4]|1{0,1}[0-9]){0,1}[0-9]))
12. 检查网址的前缀
在应用开发中，经常需要区分请求是HTTPS还是HTTP。一个url的前缀可以通过下面的表达式来提取，然后进行逻辑判断。
if (!s.match(/^[a-zA-Z]+:\\/\\//))
{
s = 'http://' + s;
}
13. 提取网址链接
以下表达式可以过滤掉一段文本中的 URL。
^(f|ht){1}(tp|tps):\\/\\/([\\w-]+\\.)+[\\w-]+(\\/[\\w- ./?%&=]*)?
14.文件路径和扩展名验证
验证windows下的文件路径和扩展名（下例中的.txt文件）
^([a-zA-Z]\\:|\\\\)\\\\([^\\\\]+\\\\)*[^\\/:*?"|]+\\.txt(l)?$
15. 提取颜色十六进制代码
有时需要提取网页中的颜色代码，可以使用如下表达式。
16. 提取网页图片
如果要提取网页中的所有图片信息，可以使用以下表达式。
\\< *[img][^\\>]*[src] *= *[\\"\\']{0,1}([^\\"\\'\\ >]*)
17. 提取页面超链接
提取 html 中的超链接。
(\\s*(?!.*\\brel=)[^>]*)(href="https?:\\/\\/)((?!(?:(?:www\\.)?'.implode('|(?:www\\.)?', $follow_list).'))[^"]+)"((?!.*\\brel=)[^>]*)(?:[^>]*)>
18. 查找 CSS 属性
通过以下表达式，您可以搜索匹配的 CSS 属性。
^\\s*[a-zA-Z\\-]+\\s*[:]{1}\\s[a-zA-Z0-9\\s.#]+[;]{1}
19. 提取评论
如果需要去掉HMTL中的注释，可以使用下面的表达式。
20. 匹配 HTML 标签
以下表达式可以匹配 HTML 中的标签属性。
<p>
