php 正则 抓取网页(如何使用正则抓取网页数据的时候一定要了解表达式)

　　php 正则 抓取网页(如何使用正则抓取网页数据的时候一定要了解表达式)

　　php正则抓取网页数据可以使用php正则表达式来抓取，利用正则来完成搜索是一项很常见的技术，其最大的好处就是对于一个网页的正则可以非常的丰富，从而可以满足各种各样的需求，所以在学习如何使用正则抓取网页数据的时候一定要了解正则表达式。相信有过写爬虫经验的人都知道正则表达式，正则表达式不仅可以看做是不同正则表达式组合在一起，像常见的正则表达式a-z，---("/"+sizeof(string_a)+1"""+string_b)都是可以抓取网页数据的，使用正则表达式的时候一定要充分的利用其语法的特性，注意看看下面的例子：为什么会这样呢？因为正则表达式其实是非常简单的，可以说上百种正则表达式组合而成，非常方便。

　　正则表达式几乎包含了任何东西，当然还有少数的正则表达式与其他正则表达式类似。1.正则表达式的定义以下是正则表达式的定义：正则表达式（regularexpression）用于处理字符串，包括通用的正则表达式（如/）和元字符（例如/^p/、/~/）。最初是由johnvonneumann于1973年创建，命名源于约翰·马奇（johnmarshall），并在1974年10月出版的《字符串研究》一书中正式定义，他将正则表达式分为正则表达式（regularexpression）和元字符表达式（unicodeformatexpression）。

　　后者亦被称为元字符正则表达式（metaformatregularexpression），如//bootstrap//bootstrap.i32中就将//bootstrap//bootstrap.i32替换为//bootstrap//public//public.i32。2.正则表达式的特点正则表达式的表达形式是非常的简单的，不同的正则表达式组合就会产生各种各样的正则表达式。

　　相信你用爬虫的时候经常遇到的一个问题就是不同正则表达式组合的时候会产生各种各样的错误，导致代码运行不了。正则表达式包含了与其他正则表达式相同的组合形式，正则表达式的匹配规则如下：正则表达式的匹配规则1.通用组合规则，即前面所提到的2个或者3个组合的正则表达式，匹配任意子串。2.“子集“规则（unitalldescriptor），即“子集”组合规则的子集，即将所有子集的规则当做一个正则表达式来处理。

　　子集规则中匹配前面所提到的规则。3.“无穷多组合规则”。正则表达式的匹配规则允许任意的组合形式。正则表达式的必要条件如下：1.在文本文件中的开始，即文本文件的结束。2.具有内置的test系列运算符。正则表达式的运算符有非负运算符、in与inf、并集运算符和商乘运算符。3.元字符必须是字符，不能是数字、破折号（-）、+、-等字符。正则表达式的匹配规则。