正则表达式的简单应用:使用正则表达式采集腾讯新闻
来源:互联网 发布:数据分析解决方案 编辑:程序博客网 时间:2024/06/06 01:05
正则表达式的简单应用:使用正则表达式采集腾讯新闻
正则表达式(Regular Expression)是比较繁琐的,要记的东西比较多,因此我一直都没有腾出时间专门好好研究一下正则表达式,最近网站需要用到PHP的CURL获取腾讯新闻,所以就认真地学了一下正则表达式。正则表达式是非常强大的,学会了正则表达式,在以后的文本匹配中,那是杠杠的。话不多说,进入正题。
关于正则表达式的一些基础语法,大家可以看一下下面的参考链接,讲解非常到位。
引用《深入正则表达式应用》的“正则三段论”:定锚点,去噪点,取数据。
1. 首先,我想要从http://tech.qq.com/获取科技新闻头条,以及新闻列表,如图所示。
2. 点击“查看网页源代码”Ctrl+ F找到我们需要的那一段代码,如图
可以发现每个标签都有一个新闻标签都是由“Q-tpListInner”的div包起来的,,并且我们要取出的url 在a 标签的href中, 要取的新闻标题在img的alt中,这就是传说的“定锚点、去噪点”的过程了;
3. 然后就是直接用正则表达式取出我们需要的数据了。
新闻列表的正则表达式:
'/Q-tpListInner.*?href="(.*?)".*?alt="(.*?)">/s';
科技新闻标题的正则表达式:
'/<div class="txt"bosszone="Headlines_tech_1">.*?href="(.*?)".*?>(.*?)<\/a>/s';
PHP源代码:
function techNews() {// PS:PHP的CURL请自行补脑 $url = 'http://tech.qq.com'; $ch = curl_init($url); curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1); $content = curl_exec($ch); curl_close($ch); $content = iconv('gb2312', 'utf-8//IGNORE',$content); //修改字符编码 /* * 获取腾讯新闻头条 */ $data = array(); $data_cnt = 0; $matches = array(); $pattern = '/<div class="txt" bosszone="Headlines_tech_1">.*?href="(.*?)".*?>(.*?)<\/a>/s'; preg_match($pattern, $content, $matches); $data[$data_cnt]['url'] = $matches[1]; $data[$data_cnt++]['intro'] = $matches[2]; /* * 获取腾讯新闻列表 */ $matches = array(); $pattern = '/Q-tpListInner.*?href="(.*?)".*? alt="(.*?)">/s'; preg_match_all($pattern, $content, $matches);// var_dump($matches); for ($i = 0; $i < count($matches[1]); $i++) { $data[$data_cnt]['url'] = $matches[1][$i]; $data[$data_cnt++]['intro'] = $matches[2][$i]; } var_dump($data);}
运行结果截图:
参考链接:
[1] 正则表达式30分钟入门教程http://www.jb51.net/tools/zhengze.html
[2] 我眼里的正则表达式(入门)http://www.zjmainstay.cn/my-regexp
[3] 深入正则表达式应用 http://www.zjmainstay.cn/deep-regexp
- 正则表达式的简单应用:使用正则表达式采集腾讯新闻
- 正则表达式的简单应用:使用正则表达式采集腾讯新闻
- 正则表达式的简单应用
- 正则表达式的简单应用
- 正则表达式的简单应用
- 正则表达式简单应用
- 正则表达式的简单使用
- 正则表达式的简单使用
- 正则表达式的简单使用
- 正则表达式的简单使用
- 正则表达式---简单使用
- 正则表达式简单使用
- JAVA中正则表达式的简单应用
- 正则表达式的简单应用实例
- C#正则表达式的简单应用.
- JAVA 简单的正则表达式应用
- 正则表达式匹配中文的简单应用
- 正则表达式的应用
- vb
- Android初学习 - Broadcast Receiver的介绍01
- Tcp的通信的简单程序
- angularjs $state.go页面不刷新数据
- 多行inline-block行间距与快间距处理
- 正则表达式的简单应用:使用正则表达式采集腾讯新闻
- Linux 技巧:让进程在后台可靠运行的几种方法
- vb老师讲的出随机数法
- 上机了 但是不会做
- MySQL 乐观锁 简例
- java开发信鸽推送APP信息开发
- unity 鼠标指示NavMeshAgent移动
- * 问题描述:输入10个整数,将其中最小的数与第一个数对换,把最大的数与最后一个数对换。写三个函数; ①输入10个数;②进行处理;③输出10个数。
- 再谈 .net dll泛滥问题,项目引用的管理问题 .完美方案