PHP实现网页内容抓取及数据解析

在处理字符较多的网页时，使用preg_match和preg_match_all可能会遇到正则表达式失效的问题。这通常是因为默认的回溯限制较低导致的。

为了解决这个问题，有两种常见方法：

1. 使用ini_set('pcre.backtrack_limit', 1000000);来临时增加回溯限制，默认值是100000。

2. 修改php.ini文件中的pcre.backtrack_limit参数，以支持更大的字符串。

示例代码：抓取淘宝服饰栏

ini_set('pcre.backtrack_limit', 1000000); // 默认值是100000 $html = file_get_contents('http://www.taobao.com/'); $parLeft = preg_quote('
', '/'); // 开始部分 $parRight = preg_quote('    
', '/'); // 结束部分 $par = '/' . $parLeft . '(.*)' . $parRight . '/isU'; // 匹配中间的内容 $ArrAdd = array(); preg_match_all($par, $html, $ArrAdd); print_r($ArrAdd);

抓取天气信息

ini_set('pcre.backtrack_limit', 1000000); // 默认值是100000 $html = file_get_contents('http://www.weather.com.cn/weather/101200101.shtml'); $parLeft = preg_quote('
', '/'); // 开始部分 $parRight = preg_quote('
', '/'); // 结束部分 $par = '/' . $parLeft . '(.*)' . $parRight . '/isU'; // 匹配中间的内容 $ArrAdd = array(); preg_match_all($par, $html, $ArrAdd); print_r($ArrAdd);

获取IP地址对应的地理位置

$ip = ($_SERVER['HTTP_VIA']) ? $_SERVER['HTTP_X_FORWARDED_FOR'] : $_SERVER['REMOTE_ADDR']; $ip = ($ip) ? $ip : $_SERVER['REMOTE_ADDR']; $ip = '122.82.231.128'; // 示例IP $html = file_get_contents('http://www.baidu.com/s?wd=' . $ip); $parleft = preg_quote('>来   自: ', '/'); $parright = preg_quote('
', '/'); $par = '/' . $parleft . '(.*)' . $parright . '/i'; // 匹配中间的内容 $ArrAdd = array(); preg_match_all($par, $html, $ArrAdd); echo 'IP对应地址：' . $ArrAdd[1][0] . '
';