正则抓取百度搜索结果

<?php

//手机百度搜索

$key  = "电脑";

$url = 'http://m.baidu.com/s?word='.$key;

$result = file_get_contents($url);

$pattern = '#class="resitem".*?<a.*?href="(.*?)".*?>(.*?)</a>#si';

preg_match_all($pattern,$result,$matches);

 

echo '<pre>';

print_r($matches[1]);

print_r($matches[2]);

 

//PC百度搜索

$key  = "电脑";

$url = 'http://www.baidu.com/s?word='.$key;

$result = file_get_contents($url);

$pattern = '#class="result.*?class="t".*?<a.*?href="(.*?)".*?>(.*?)</a>#si';

preg_match_all($pattern,$result,$matches);

 

echo '<pre>';

print_r($matches[1]);

print_r($matches[2]);

 

//说明：（分析PC版）

//正则匹配首先要分析HTML结构，锁定循环部分，<table id="?" class="result...></table>

//然后取得最简锚点，class="result(这里没有后面的"，因为存在class="result-op"这种)

//接下来再对循环内部进行取锚点，class="result...<a...href="..."...>...</a>

//而在整个result中可能存在多种<a.*?href="(.*?)".*? >(.*?)</a>这样的格式，

//因此找到依赖class="t"，得到class="result...class="t"...<a...href="..."...>...</a>

//过滤掉其他部分，留下我们想要的内容。

//正则中间的.*?就是用来屏蔽无关内容(...部分)，这部分内容对于我们的结果不会造成影响

//而我们需要的链接（href="【...】"）和标题（<a..>【...】</a>）则可以使用子模式，

//从而可以在匹配结果中顺序取出，子模式是加括号。

//最后替换...成.*?，需要获取数据的加上括号()，则得到正则表达式：

//'#class="result.*?class="t".*?<a.*?href="(.*?)".*[问号]>(.*?)</a>#si'   

//注：? > 注释时连在一起写会语法错误，使用时请将[问号]换回来

//End_php