php抓取網頁特定div區塊及圖片

woff

昨天有個朋友在問我說，php怎麼抓取網頁某個div區塊的內容。像funp推推王那樣每次推文都會顯示文章內的圖片，提供縮圖撰擇，又是怎麼做到的？其實這語法出乎意料的簡短…

1. 取得指定網頁內的所有圖片：測試

1. 
   
2. <?php  
   
3. 
   
4. //取得指定位址的內容，並儲存至text  
   
5. 
   
6. $text=file_get_contents('http://andy.diimii.com/');   
   
7. 
   
8. 
   
9. 
   
10. //取得所有img標籤，並儲存至二維陣列match  
    
11. 
    
12. preg_match_all('#<img[^>]*>#i', $text, $match);  
    
13. 
    
14. 
    
15. 
    
16. //印出match  
    
17. 
    
18. print_r($match);  
    
19. 
    
20. ?>

複製代碼

2. 取得指定網頁內的第一張圖片：測試

1. 
   
2. <?php  
   
3. 
   
4. //取得指定位址的內容，並儲存至text  
   
5. 
   
6. $text=file_get_contents('http://andy.diimii.com/');  
   
7. 
   
8. 
   
9. 
   
10. //取得第一個img標籤，並儲存至陣列match（regex語法與上述同義）  
    
11. 
    
12. preg_match('/<img[^>]*>/Ui', $text, $match);  
    
13. 
    
14. 
    
15. 
    
16. //印出match  
    
17. 
    
18. print_r($match);  
    
19. 
    
20. ?>

複製代碼

3.取得指定網頁內的特定div區塊（藉由id判斷）：測試

1. 
   
2. <?php  
   
3. 
   
4. //取得指定位址的內容，並儲存至text  
   
5. 
   
6. $text=file_get_contents('http://andy.diimii.com/2009/01/seo%e5%8c%96%e7%9a%84%e9%97%9c%e9%8d%b5%e5%ad%97%e5%bb%a3%e5%91%8a%e9%80%a3%e7%b5%90/');   
   
7. 
   
8. 
   
9. 
   
10. //去除換行及空白字元（序列化內容才需使用）  
    
11. 
    
12. //$text=str_replace(array("\r","\n","\t","\s"), '', $text);     
    
13. 
    
14.   
    
15. 
    
16. //取出div標籤且id為PostContent的內容，並儲存至陣列match  
    
17. 
    
18. preg_match('/<div[^>]*id="PostContent"[^>]*>(.*?) <\/div>/si',$text,$match);  
    
19. 
    
20.   
    
21. 
    
22. //印出match[0]  
    
23. 
    
24. print($match[0]);  
    
25. 
    
26. ?>

複製代碼

  

4. 上述2及3的結合：測試

• <?php  
  
  //取得指定位址的內容，並儲存至text  
  
  $text=file_get_contents('http://andy.diimii.com/2009/01/seo%e5%8c%96%e7%9a%84%e9%97%9c%e9%8d%b5%e5%ad%97%e5%bb%a3%e5%91%8a%e9%80%a3%e7%b5%90/');      
  
  
  
  //取出div標籤且id為PostContent的內容，並儲存至陣列match  
  
  preg_match('/<div[^>]*id="PostContent"[^>]*>(.*?) <\/div>/si',$text,$match);     
  
    
  
  //取得第一個img標籤，並儲存至陣列match2  
  
  preg_match('/<img[^>]*>/Ui', $match[0], $match2);   
  
  
  
  //印出match2[0]  
  
  print_r($match2[0]);  
  
  
  ?>
  
  
  

---

後記：用正規表達式Regex來做真的很方便，但老實說我規則常會忘掉，記錄一下幾篇文章好了（Regular Expression Details| PCRE Functions | Introduction to PHP Regex | 天殺的正規表示式…）

參考：Fetching the contents of a div tag by id