清理HTML标签和保存图片

Question

我想从网上抓一个网页，然后将HTML标签清理整洁一下，比如说很多<div>开始标签和结束标签相隔很多行，中间还有很多不必要的东西，像<A>标签里一些不要的属性都去掉，只留下HREF属性等等，最后还要将这个网页上大小超过100K的图片保存下来，具体该怎么做啊，我是自学的PHP，请尽量讲简单些，谢谢

Answer 1

写完没有测试过，如果只要href里的东西应该可以<?
function fetch_urlpage_contents($url){
$c=file_get_contents($url);
return $c;
}

//获取匹配内容
//$begin: 开始截取点
//$end: 结束截取点
//$c:从中搜索的内容
function fetch_match_contents($begin,$end,$c)
{
$begin=change_match_string($begin);
$end=change_match_string($end);

//preg_match_all
if( preg_match("/{$begin}(.*?){$end}/i",$c,$rs ) ){
return $rs[1];
}else {
return "";
}

}
//获取匹配的所有内容
//$begin: 开始截取点
//$end: 结束截取点
//$c:从中搜索的内容
function fetch_match_contents_all($begin,$end,$c)
{
$begin=change_match_string($begin);
$end=change_match_string($end);

//preg_match_all
if( preg_match_all("/{$begin}(.*?){$end}/i",$c,$rs ) ){
return $rs[1];
}else {
return "";
}

} function pick($url){

$ft = "href=\"";
$th = "\""; $c=fetch_urlpage_contents($url);

//获取所有匹配内容
  $rs = fetch_match_contents_all($ft,$th,$c);
  print_r($rs);
 
  //再次细化
  foreach( $rs as $k => $v  ){
  $rss["href"] = fetch_match_contents( $config["title"]["b"],$config["title"]["e"],$v );  
  }//end foreach foreach( $rss["href"] as $k => $v ){
GrabImage( $v );
}

}  function GrabImage($url,$filename=""){

if($url=="")return false;

if($filename==""){

//取得远程图片的名称
$ext=strrchr($url,".");

//当扩展名为gif,jpg,png,bmp以外时返回false,结束处理。
if($ext!=".gif" && $ext!=".jpg" && $ext!=".png" && $ext!=".bmp") return false;

//生成基于时间和日期的本地文件名。
$filename=date("dMYHis").$ext;

} if( (( filesize( $url ) )/1024) < 100 ) return false;

//打开浏览器缓冲区。
ob_start();
//将文件读入到缓冲。
readfile($url);
//得到缓冲区的内容并且赋值给变量$img。
$img = ob_get_contents();
//关闭并清空缓冲.
ob_end_clean(); //在本地创建新文件$filename，并将读入内容存入其中。
$fp2=@fopen($filename,"a") or print "不能打开文件!";
if( fwrite($fp2,$img) ){
print "不能写入文件";
return 0;
}
fclose($fp2);

return $filename;
}
pick('http://www.163.com/');
?>

Answer 2

change_match_string()函数是什么啊，提示没有这个函数啊