php用正则表达抓取网页中文章(PHP怎样用正则抓取页面中的网址的相关内容吗)

　　php用正则表达抓取网页中文章(PHP怎样用正则抓取页面中的网址的相关内容吗)

　　想知道 PHP 是如何利用规律性来爬取页面中的 URL 的吗？在本文中，我将为大家讲解PHP如何利用正则性抓取页面中的URL的相关知识和一些代码示例。欢迎阅读和指正。我们先来重点：php，正则抓取Fetch，php，页面抓取，php，抓取页面的指定内容一起来学习

　　前言

　　链接也称为超链接，是从一个元素（文本、图片、视频等）到另一个元素（文本、图片、视频等）的链接。网页中的链接一般分为三种类型。一种是绝对 URL 超链接，它是一个页面的完整链接。小路; 另一种是相对URL超链接一般链接到同一个网站的其他页面；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

　　如果你知道链接的类型，你就会知道要抓取的主要链接是绝对 URL 超链接和相对 URL 超链接。要编写正确的正则表达式，您必须了解我们要查找的对象的模式。

　　首先，绝对链接也称为URL（Uniform Resource Locator），它标识了互联网上的唯一资源。URL结构由三部分组成：协议、服务器名、路径和文件名

　　该协议是告诉浏览器如何处理要打开的文件的标识。最常见的一种是http协议。本文只考虑 HTTP 协议。至于其他的https、ftp、mailto、telnet协议等，也可以根据需要添加。

　　服务器名是告诉浏览器如何到达服务器的方式，通常是域名或IP地址，有时是端口号（默认为80）FTP协议也可以收录用户名和密码，其中本文不考虑）。

　　路径和文件名一般用/隔开，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）

　　所以现在很清楚，绝对链接爬取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定。详细请参考RFC1738，然后可以写正则表达式。

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

　　解释如下：