正则表达式的简单应用以PHP函数preg_match_all抓取HTML元素为例-必优博客

正则表达式的简单应用以PHP函数preg_match_all抓取HTML元素为例

PHP开发过程中，经常需要处理字符串，如查找，替换等，内置的PHP函数可以处理大部分需要，简单而且效率也快，如常用的strpos，substr等，不过有些字符串的查找与替换，使用正则表达式将更加方便，而且可以减少代码数。本文结合实例，谈谈如何掌握简单的正则表达式的应用。

了解正则表达式之前，需要掌握一些常用的正则表达式的基础知识，这些如果能记住最好记住，记不住需要用的时候能查到就行，就几个特殊字符，所以说正则表达式玩的就是特殊，具体大家可以查看更加详细的说明。

preg_match_all函数具体说明大家可以查看PHP手册，本文使用preg_match_all用于测试正则表达的效果。

实例代码：

$html = '<div id="biuuu">必优博客</div><div id="biuuu_2">必优博客2</div><div id="biuuu_3">必优博客3</div>';

实例要求：分别将每一个DIV元素的ID和内容取出，如biuuu，biuuu_2，biuuu_3，必优博客，必优博客2和必优博客3（一些常用的抓站方法就是这样匹配的）

分析：字符串是一个简单的HTML元素，每一个DIV元素对应该一个ID和内容，并且是独立的，首先考虑如何取出一个DIV内的ID值和内容，如：<div id="biuuu">必优博客</div>，然后匹配其它类似的元素。一个DIV中需要取出两个值，也就是两个匹配的表达式，第一个表达式用于匹配ID值（biuuu），第二个表达式用于匹配ID的内容（必优博客），正则表达式常用的表达式使用小括号，那么前面的元素将会变成如下形式：

<div id="(biuuu)">(必优博客)</div>

<div id="(表达式1)">(表达式2)</div>

好，使用如上小括号把需要匹配的区域进行了划分，接下来就是如何匹配各个表达式内的内容，我们猜想一个ID可能是字母，数字或下划线，那这就变得简单了，使用中括号就可以实现，如下：

表达式1：[a-zA-Z0-9_]+ （表示匹配大小写字母，数字和下划线）

那如何匹配表达式2，因为ID的内容可以是任意的字符，但是要注意，不能匹配<或>字符，因为如果匹配这两个字符将会把后面使用的DIV都匹配出来，因此需要排除这两个字符开始的元素，也就是不匹配以<或>字符，如下：

表达式2：[^<>]+ （表示不匹配<和>字符）

这样，需要匹配的子表达式就实现了，但是还要需要匹配一个<div></div>的表达式，方法如下：

表达式：/<div id=\"(表达式1)\">(表达式2)<\/div>/

注意其中的双引号"和/需要使用\转义字符转义，然后把前面两个表达式放进去，如下：

/<div id=\"([a-z0-9_]+)\">([^<>]+)<\/div>/

这样就实现一个匹配每一个DIV元素ID值和内容的正则表达式，然后使用preg_match_all函数测试如下：

$html = '<div id="biuuu">必优博客</div><div id="biuuu_2">必优博客2</div><div id="biuuu_3">必优博客3</div>';
preg_match_all('/<div\sid=\"([a-z0-9_]+)\">([^<>]+)<\/div>/',$html,$result);
var_dump($result);

结果：