Python数据采集流程(php采集安装教程)
本篇文章给大家带来的内容是关于php中常用的采集函数的总结(附代码),有一定的参考价值,有需要的朋友可以参考一下,希望对你有所帮助。
这几天关注了一下PHP的采集程序,才发现用PHP采集内容是这么方便,把经常用到的采集函数在这里总结一下,方便以后使用!
获取所有链接内容和地址
function getAllURL($code){
preg_match_all(‘/<as+href=[“|’]?([^>”‘ ]+)[“|’]?s*[^>]*>([^>]+)</a>/i’,$code,$arr);
return array(‘name’=>$arr[2],’url’=>$arr[1]);
}
获取所有的图片地址
function getImgSrc($code){
$reg = “/]*src=”(http://(.+)/(.+).(jpg|gif|bmp|bnp|png))”/isU”;
preg_match_all($reg, $code, $img_array, PREG_PATTERN_ORDER);
return $img_array[1];
}
当前的脚本网址
function getSelfURL(){
if(!empty($_SERVER[“REQUEST_URI”])){
$scriptName = $_SERVER[“REQUEST_URI”];
$nowurl = $scriptName;
}else{
$scriptName = $_SERVER[“PHP_SELF”];
if(empty($_SERVER[“QUERY_STRING”])) $nowurl = $scriptName;
else $nowurl = $scriptName.”?”.$_SERVER[“QUERY_STRING”];
}
return $nowurl;
}
把全角数字转为半角数字
function getAlabNum($fnum){
$nums = array(“0”,”1”,”2”,”3”,”4”,”5”,”6”,”7”,”8”,”9”);
$fnums = “0123456789”;
for($i=0;$i<=9;$i++) $fnum = str_replace($nums[$i],$fnums[$i],$fnum);
$fnum = ereg_replace(“[^0-9.]|^0{1,}”,””,$fnum);
if($fnum==””) $fnum=0;
return $fnum;
}
去除HTML标记
function text2Html($txt){
$txt = str_replace(” “,” ”,$txt);
$txt = str_replace(“<“,”<“,$txt);
$txt = str_replace(“>”,”>”,$txt);
$txt = preg_replace(“/[rn]{1,}/isU”,”<br/>rn”,$txt);
return $txt;
}
清除HTML标记
function clearHtml($str){
$str = str_replace(‘<‘,'<‘,$str);
$str = str_replace(‘>’,’>’,$str);
return $str;
}
相对路径转化成绝对路径
function relative2Absolute($content, $feed_url) {
preg_match(‘/(http|https|ftp):///’, $feed_url, $protocol);
$server_url = preg_replace(“/(http|https|ftp|news):///”, “”, $feed_url);
$server_url = preg_replace(“//.*/”, “”, $server_url);
if ($server_url == ”) {
return $content;
}
if (isset($protocol[0])) {
$new_content = preg_replace(‘/href=”//’, ‘href=”‘.$protocol[0].$server_url.’/’, $content);
$new_content = preg_replace(‘/src=”//’, ‘src=”‘.$protocol[0].$server_url.’/’, $new_content);
} else {
$new_content = $content;
}
return $new_content;
}
获取指定标记中的内容
function getTagData($str, $start, $end){
if ( $start == ” || $end == ” ){
return;
}
$str = explode($start, $str);
$str = explode($end, $str[1]);
return $str[0];
}
HTML表格的每行转为CSV格式数组
function getTrArray($table) {
$table = preg_replace(“‘<td[^>]*?>’si”,'”‘,$table);
$table = str_replace(“</td>”,'”,’,$table);
$table = str_replace(“</tr>”,”{tr}”,$table);
//去掉 HTML 标记
$table = preg_replace(“‘<[/!]*?[^<>]*?>’si”,””,$table);
//去掉空白字符
$table = preg_replace(“‘([rn])[s]+'”,””,$table);
$table = str_replace(” “,””,$table);
$table = str_replace(” “,””,$table);
$table = explode(“,{tr}”,$table);
array_pop($table);
return $table;
}
将HTML表格的每行每列转为数组,采集表格数据
function getTdArray($table) {
$table = preg_replace(“‘<table[^>]*?>’si”,””,$table);
$table = preg_replace(“‘<tr[^>]*?>’si”,””,$table);
$table = preg_replace(“‘<td[^>]*?>’si”,””,$table);
$table = str_replace(“</tr>”,”{tr}”,$table);
$table = str_replace(“</td>”,”{td}”,$table);
//去掉 HTML 标记
$table = preg_replace(“‘<[/!]*?[^<>]*?>’si”,””,$table);
//去掉空白字符
$table = preg_replace(“‘([rn])[s]+'”,””,$table);
$table = str_replace(” “,””,$table);
$table = str_replace(” “,””,$table);
$table = explode(‘{tr}’, $table);
array_pop($table);
foreach ($table as $key=>$tr) {
$td = explode(‘{td}’, $tr);
array_pop($td);
$td_array[] = $td;
}
return $td_array;
}
返回字符串中的所有单词 $distinct=true 去除重复
function splitEnStr($str,$distinct=true) {
preg_match_all(‘/([a-zA-Z]+)/’,$str,$match);
if ($distinct == true) {
$match[1] = array_unique($match[1]);
}
sort($match[1]);
return $match[1];
}
推荐阅读
-
江苏取消少数民族考生中考加分政策,教育公平如何实现?
1.为什么江苏取消少数民族考生中考加分政策?江苏取消少数民族考生中考加分政策的原因是为了保证教育公平。少数民族加分政策在一定程度...
-
半球电压力锅不加热了,教你如何快速解决问题
1.检查电源首先,我们需要检查电压力锅的电源是否正常。可以尝试将电压力锅插到其他插座中,或者使用其他电器测试该插座是否正常。如果...
-
空调外机多重最好(空调外机的重量标准)
-
地线颜色一般是什么颜色(接地线颜色的规范要求)
-
洗碗机必须用洗碗盐吗?专家为你介绍洗碗机的正确使用方法
在使用洗碗机的时候,我们经常会听到洗碗机需要用洗碗盐来进行清洁,但是很多人并不知道洗碗盐的作用和正确使用方法。本文将为大家介绍洗碗...
-
卫生间地面漏水维修多少钱(修补卫生间漏水费用)
-
环氧地坪多少钱(环氧树脂地坪价格)
-
空调发出咕噜咕噜水声怎么消除(空调下雨天咕噜咕噜响解决方法)
-
砂浆是什么东西(砂浆组成详情)
-
集装箱体积计算方法(箱量快速计算的公式)