php用正则表达抓取网页中文章(正则表达式中经常使用的20个正则表达式工具，你知道几个？)

　　php用正则表达抓取网页中文章(正则表达式中经常使用的20个正则表达式工具，你知道几个？)

　　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。

　　正则表达式通常用于验证字段或任意字符串，例如以下用于验证基本日期格式的 JavaScript 代码：

　　var reg = /^(\\d{1,4})(-|\\/)(\\d{1,2})\\2(\\d{1,2})$/;

var r = fieldValue.match(reg);

if(r==null)alert('Date format error!');

　　以下是20个由工匠编译的，经常用于前端开发的正则表达式。

　　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}$

　　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

　　很多时候在应用开发中，需要区分请求是HTTPS还是HTTP。URL的前缀可以通过下面的表达式提取出来，然后进行逻辑判断。

　　if (!s.match(/^[a-zA-Z]+:\\/\\//))

{

s = 'http://' + s;

}

　　13. 提取网址链接

　　下面的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。

　　^#([A-Fa-f0-9]{6}|[A-Fa-f0-9]{3})$

　　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。

　　(]*)(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>