本文目錄一覽：
php函數preg_match採集正則保存問題
恭喜，魔術引用在我看來就是一個累贅，造成了很多迷惑。我現在安裝系統，直接就是關閉魔術引用，避免潛在的問題。
代碼級的安全性應該是由代碼編寫者操心，php只要負責好系統級的安全性就可以了。
怎樣用php 採集百度地圖的數據
一般來說，PHP採集數據最簡單的辦法是使用file_get_content函數，功能更強大的推薦使用cURL函數庫。
PHP 採集程序中常用的函數
複製代碼
代碼如下:
//獲得當前的腳本網址
function
get_php_url()
{
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
$nowurl;
}
//把全角數字轉為半角數字
function
GetAlabNum($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
$fnum;
}
//去除HTML標記
function
Text2Html($txt)
{
$txt
=
str_replace(”
“,” ”,$txt);
$txt
=
str_replace(””,””,$txt);
$txt
=
str_replace(””,””,$txt);
$txt
=
preg_replace(”/[\r\n]{1,}/isU”,”br/\r\n”,$txt);
return
$txt;
}
//清除HTML標記
function
ClearHtml($str)
{
$str
=
str_replace(”,”,$str);
$str
=
str_replace(”,”,$str);
return
$str;
}
//相對路徑轉化成絕對路徑
function
relative_to_absolute($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
$new_content;
}
//取得所有鏈接
function
get_all_url($code){
preg_match_all(‘/a\s+href=[”|\’]?([^”\’
]+)[”|\’]?\s*[^]*([^]+)\/a/i’,$code,$arr);
return
array(‘name’=$arr[2],’url’=$arr[1]);
}
//獲取指定標記中的內容
function
get_tag_data($str,
$start,
$end)
{
if
(
$start
==
”
||
$end
==
”
)
{
return;
}
$str
=
explode($start,
$str);
$str
=
explode($end,
$str[1]);
return
$str[0];
}
//HTML表格的每行轉為CSV格式數組
function
get_tr_array($table)
{
$table
=
preg_replace(”‘td[^]*?’si”,’”‘,$table);
$table
=
str_replace(”/td”,’”,’,$table);
$table
=
str_replace(”/tr”,”{tr}”,$table);
//去掉
HTML
標記
$table
=
preg_replace(”‘[\/\!]*?[^]*?’si”,””,$table);
//去掉空白字符
$table
=
preg_replace(”‘([\r\n])[\s]+’”,””,$table);
$table
=
str_replace(”
“,””,$table);
$table
=
str_replace(”
“,””,$table);
$table
=
explode(”,{tr}”,$table);
array_pop($table);
return
$table;
}
//將HTML表格的每行每列轉為數組，採集表格數據
function
get_td_array($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
標記
$table
=
preg_replace(”‘[\/\!]*?[^]*?’si”,””,$table);
//去掉空白字符
$table
=
preg_replace(”‘([\r\n])[\s]+’”,””,$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單詞
$distinct=true
去除重複
function
split_en_str($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];
}
php怎麼抓取網站中meta函數get
參考如下
get_meta_tags — 從一個文件中提取所有的 meta 標籤 content 屬性，返回一個數組
描述
array get_meta_tags ( string filename [, int use_include_path])
打開 filename 逐行解析文件中的 meta 標籤。此參數可以是本地文件也可以是一個 URL。解析工作將在 /head 處停止。
將 use_include_path 設置為 1 將促使 PHP 嘗試按照 include_path 標準包含路徑中的每個指向去打開文件。這只用於本地文件，不適用於 URL。
下面實例分析了php中get_meta_tags()、CURL與user-agent用法。具體分析如下：
get_meta_tags()函數用於抓取網頁中meta name=”A” content=”1″meta name=”B” content=”2″形式的標籤,並裝入一維數組,name為元素下標,content為元素值,上例中的標籤可以獲得數組:array(‘A’=’1’, ‘b’=’2’),其他meta標籤不處理,並且此函數只處理到/head標籤時截止,之後的meta也不再繼續處理,不過head之前的meta還是會處理.
user-agent是瀏覽器在向服務器請求網頁時,提交的不可見的頭信息的一部分,頭信息是一個數組,包含多個信息,比如本地緩存目錄,cookies等,其中user-agent是瀏覽器類型申明,比如IE、Chrome、FF等.
今天在抓取一個網頁的meta標籤的時候,總是得到空值,但是直接查看網頁源代碼又是正常的,於是懷疑是否服務器設置了根據頭信息來判斷輸出,先嘗試使用get_meta_tags()來抓取一個本地的文件,然後這個本地文件將獲取的頭信息寫入文件,結果如下,其中替換成了/,方便查看,代碼如下:
代碼如下:
array (
‘HTTP_HOST’ = ‘192.168.30.205’,
‘PATH’ = ‘C:/Program Files/Common Files/NetSarang;C:/Program Files/NVIDIA Corporation/PhysX/Common;C:/Program Files/Common Files/Microsoft Shared/Windows Live;C:/Program Files/Intel/iCLS Client/;C:/Windows/system32;C:/Windows;C:/Windows/System32/Wbem;C:/Windows/System32/WindowsPowerShell/v1.0/;C:/Program Files/Intel/Intel(R) Management Engine Components/DAL;C:/Program Files/Intel/Intel(R) Management Engine Components/IPT;C:/Program Files/Intel/OpenCL SDK/2.0/bin/x86;C:/Program Files/Common Files/Thunder Network/KanKan/Codecs;C:/Program Files/QuickTime Alternative/QTSystem;C:/Program Files/Windows Live/Shared;C:/Program Files/QuickTime Alternative/QTSystem/; %JAVA_HOME%/bin;%JAVA_HOME%/jre/bin;’,
‘SystemRoot’ = ‘C:/Windows’,
‘COMSPEC’ = ‘C:/Windows/system32/cmd.exe’,
‘PATHEXT’ = ‘.COM;.EXE;.BAT;.CMD;.VBS;.VBE;.JS;.JSE;.WSF;.WSH;.MSC’,
‘WINDIR’ = ‘C:/Windows’,
‘SERVER_SIGNATURE’ = ”,
‘SERVER_SOFTWARE’ = ‘Apache/2.2.11 (Win32) PHP/5.2.8’,
‘SERVER_NAME’ = ‘192.168.30.205’,
‘SERVER_ADDR’ = ‘192.168.30.205’,
‘SERVER_PORT’ = ’80’,
‘REMOTE_ADDR’ = ‘192.168.30.205’,
‘DOCUMENT_ROOT’ = ‘E:/wamp/www’,
‘SERVER_ADMIN’ = ‘admin@admin.com’,
‘SCRIPT_FILENAME’ = ‘E:/wamp/www/user-agent.php’,
‘REMOTE_PORT’ = ‘59479’,
‘GATEWAY_INTERFACE’ = ‘CGI/1.1’,
‘SERVER_PROTOCOL’ = ‘HTTP/1.0’,
‘REQUEST_METHOD’ = ‘GET’,
‘QUERY_STRING’ = ”,
‘REQUEST_URI’ = ‘/user-agent.php’,
‘SCRIPT_NAME’ = ‘/user-agent.php’,
‘PHP_SELF’ = ‘/user-agent.php’,
‘REQUEST_TIME’ = 1400747529,
)
原創文章，作者：UTDJ，如若轉載，請註明出處：https://www.506064.com/zh-hant/n/139758.html
微信掃一掃 
支付寶掃一掃 