Python数据采集流程(php采集安装教程)
admin
2023-04-27 00:30:27

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(‘/”‘ ]+)[“|’]?s*[^>]*>([^>]+)/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);

$txt = preg_replace(“/[rn]{1,}/isU”,”
rn”,$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) {

$table = preg_replace(“‘]*?>’si”,’”‘,$table);

$table = str_replace(“”,’”,’,$table);

$table = str_replace(“”,”{tr}”,$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) {

$table = preg_replace(“‘]*?>’si”,””,$table);

$table = preg_replace(“‘]*?>’si”,””,$table);

$table = preg_replace(“‘]*?>’si”,””,$table);

$table = str_replace(“”,”{tr}”,$table);

$table = str_replace(“”,”{td}”,$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];

}

以上就是我服了网»php采集安装教程(Python数据采集流程)的相关内容了,更多精彩请关注作者:我服了号SEO专员

相关内容

热门资讯

苗族的传统节日 贵州苗族节日有... 【岜沙苗族芦笙节】岜沙,苗语叫“分送”,距从江县城7.5公里,是世界上最崇拜树木并以树为神的枪手部落...
怎么样的桃花 桃花近看远看的样... 今年的“三八”妇女节,阳光明媚,踏青赏花正当时。遂与姐妹们共赴十里蓝山,与花海来一场春天的约会。十里...
北京的名胜古迹 北京最著名的景... 北京从元代开始,逐渐走上帝国首都的道路,先是成为大辽朝五大首都之一的南京城,随着金灭辽,金代从海陵王...
长白山自助游攻略 吉林长白山游... 昨天介绍了西坡的景点详细请看链接:一个人的旅行,据说能看到长白山天池全凭运气,您的运气如何?今日介绍...
应用未安装解决办法 平板应用未... ---IT小技术,每天Get一个小技能!一、前言描述苹果IPad2居然不能安装怎么办?与此IPad不...
猫咪吃了塑料袋怎么办 猫咪误食... 你知道吗?塑料袋放久了会长猫哦!要说猫咪对塑料袋的喜爱程度完完全全可以媲美纸箱家里只要一有塑料袋的响...
脚上的穴位图 脚面经络图对应的... 人体穴位作用图解大全更清晰直观的标注了各个人体穴位的作用,包括头部穴位图、胸部穴位图、背部穴位图、胳...
世界上最漂亮的人 世界上最漂亮... 此前在某网上,选出了全球265万颜值姣好的女性。从这些数量庞大的女性群体中,人们投票选出了心目中最美...
demo什么意思 demo版本... 618快到了,各位的小金库大概也在准备开闸放水了吧。没有小金库的,也该向老婆撒娇卖萌服个软了,一切只...
苗族的传统节日 贵州苗族节日有... 【岜沙苗族芦笙节】岜沙,苗语叫“分送”,距从江县城7.5公里,是世界上最崇拜树木并以树为神的枪手部落...
怎么样的桃花 桃花近看远看的样... 今年的“三八”妇女节,阳光明媚,踏青赏花正当时。遂与姐妹们共赴十里蓝山,与花海来一场春天的约会。十里...
北京的名胜古迹 北京最著名的景... 北京从元代开始,逐渐走上帝国首都的道路,先是成为大辽朝五大首都之一的南京城,随着金灭辽,金代从海陵王...
应用未安装解决办法 平板应用未... ---IT小技术,每天Get一个小技能!一、前言描述苹果IPad2居然不能安装怎么办?与此IPad不...
脚上的穴位图 脚面经络图对应的... 人体穴位作用图解大全更清晰直观的标注了各个人体穴位的作用,包括头部穴位图、胸部穴位图、背部穴位图、胳...
长白山自助游攻略 吉林长白山游... 昨天介绍了西坡的景点详细请看链接:一个人的旅行,据说能看到长白山天池全凭运气,您的运气如何?今日介绍...
demo什么意思 demo版本... 618快到了,各位的小金库大概也在准备开闸放水了吧。没有小金库的,也该向老婆撒娇卖萌服个软了,一切只...
猫咪吃了塑料袋怎么办 猫咪误食... 你知道吗?塑料袋放久了会长猫哦!要说猫咪对塑料袋的喜爱程度完完全全可以媲美纸箱家里只要一有塑料袋的响...
世界上最漂亮的人 世界上最漂亮... 此前在某网上,选出了全球265万颜值姣好的女性。从这些数量庞大的女性群体中,人们投票选出了心目中最美...