php用正则表达抓取网页中文章(PHP正则表达式如何处理将要打开文件的标识和几种形式？)

　　php用正则表达抓取网页中文章(PHP正则表达式如何处理将要打开文件的标识和几种形式？)

　　最近，有一项任务是从页面中获取页面中的所有链接。当然，使用PHP正则表达式是最方便的方法。要编写正则表达式，我们必须首先总结模式。页面中有多少种形式的链接

　　链接是一种超链接，它将一个元素（文本、图片、视频等）链接到另一个元素（文本、图片、视频等）。网页中通常有三种链接。一种是绝对URL超链接，即页面的完整路径；另一种是相对URL超链接，通常链接到相同网站的其他页面；页面中还有一个超链接，通常链接到同一页面中的其他位置

　　找出链接的类型，掌握你知道的链接，主要是绝对URL超链接和相对URL超链接。为了编写正确的正则表达式，我们必须了解我们正在寻找的对象的模式

　　让我们从绝对链接开始，也称为URL（统一资源定位器），它标识Internet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

　　该协议告诉浏览器如何处理要打开的文件的标识。最常见的是HTTP协议。本文只考虑HTTP协议。还可以根据需要添加其他HTTPS、FTP、mailto和telnet协议

　　服务器名是告诉浏览器如何访问服务器的方式，通常是域名或IP地址，有时是端口号（默认为80）FTP协议还可以包括用户名和密码，这在本文中不会考虑

　　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。如果没有特定的文件名，请访问此文件夹下的默认文件（可在服务器上设置）

　　现在很明显，要获取的绝对链接的典型形式可以概括为

　　每个部分中可以使用的字符范围都有明确的规范。有关详细信息，请参阅rfc1738。然后可以编写正则表达式