php抓取网页指定内容(PHP怎样用正则抓取页面中的网址的相关内容吗)

　　php抓取网页指定内容(PHP怎样用正则抓取页面中的网址的相关内容吗)

　　想知道PHP如何使用正则抓取页面中URL的相关内容吗？在本文中，我将为您讲解使用常规PHP抓取页面URL的相关知识和一些代码示例。欢迎阅读和指正。重点：php，常规爬取，php，页面爬取，php，爬取页面指定内容，一起学习。

　　前言

　　链接也是超链接，它是从一个元素（文本、图像、视频等）到另一个元素（文本、图像、视频等）的链接。网页中的链接一般分为三种，一种是绝对网址超链接，即一个页面的完整路径；另一种是相对URL超链接，一般链接到相同网站的其他页面；另一种是页面内的超链接，一般链接到同一页面内的其他位置。

　　搞清楚链接的类型就知道要抓取链接了，主要是绝对URL超链接和相对URL超链接。要写出正确的正则表达式，我们必须了解我们正在寻找的对象的模式。

　　先说绝对链接，也叫URL（Uniform Resource Locator），它标识了互联网上唯一的资源。 URL结构由三部分组成：协议、服务器名、路径和文件名。

　　协议告诉浏览器对要打开的文件的标识做什么，最常见的是http协议。本文也只考虑了HTTP协议，至于其他https、ftp、mailto、telnet协议等，可以根据需要自行添加。

　　服务器名称是告诉浏览器如何到达这个服务器的方式。通常是域名或IP地址，有时还包括端口号（默认为80）。在FTP协议中，还可以包括用户名和密码，本文暂不考虑。

　　路径和文件名，通常用/分隔，表示文件的路径和文件本身的名称。如果没有具体的文件名，则访问该文件夹下的默认文件（可以在服务器端设置）。

　　现在很清楚了，要抓取的绝对链接的典型形式可以概括为

　　每个部分可以使用的字符范围都有明确的规范。详情请参考RFC1738。那么正则表达式就可以写出来了。

/(http|https):\/\/([\w\d\-_]+[\.\w\d\-_]+)[:\d+]?([\/]?[\w\/\.]+)/i

　　解释如下：