php用正则表达抓取网页中文章(历史上今天大事记做一个介绍网页抓取及抓取的定义 )

　　php用正则表达抓取网页中文章(历史上今天大事记做一个介绍网页抓取及抓取的定义

)

　　昨天是2014年，今天是2015年，时间总是那么快，这个文章就是2015年的开始。

　　这个文章主要介绍一些网页爬取以及爬取后的内容处理。

　　点击链接打开需要的jar包，我放在百度云盘里。需要的可以下载，其他的请自行下载。

　　百度百科对网页爬虫的定义，当然本文没有介绍那么多，只介绍了单个页面的爬取，以及提交表单爬取页面的模拟。如需深入，请百度或google。

　　上面的方法直接返回一个String字符串，只需要传入一个链接。相信大家都能理解。

　　那么我们应该如何处理获得的String呢？

　　我先做个网站测试。比如点击打开链接，这个网站显示了今天历史上发生了哪些重大事件。而我们要爬取的内容只是其中的一部分，比如：今天的历史大事记

　　或者在历史的今天死去

　　下面就为大家介绍一下当今爬行史上的重大事件。

　　这里使用了一个extract方法，就是将获取到的String字符串进行拆分，得到我们需要的信息。

　　这里的html就是上面传入的html。编译收录正则表达式。它将整个页面分为 5 个部分。那么我们如何得到里面的部分呢？

　　分组中的数字是得到分段后的分段。

　　您可以在此处查看详细信息。

　　下面介绍如何模拟提交表单后爬取页面，但原理和上面类似。

　　相信上图已经清楚的说明了功能，表单提交后显示页面的后续处理就看你怎么做了。

　　.

　　最后，祝大家新年快乐