一个正则表达式的问题

Question

<?php
function listtitle( $url) {
  $fp = fopen($url, "r" );while(!feof($fp))$contents.=fread($fp,1024);fclose($fp);
  $pattern="|<a\s+?href=\"([^\"]+?)\"[^>]*?>\s*?(.+)\s*?</a>|iU";
  preg_match_all($pattern,$contents, $regArr, PREG_SET_ORDER);
  for($i=0;$i<count($regArr);$i++){
    echo "Url:".$regArr[$i][1]."<br>";
    echo "Text:".$regArr[$i][2]."<br>";
  }
}
listtitle("http://www.csdn.net/expert/");
?>

Answer 1

好像高兴得太早了，qiushuiwuhen(秋水无恨) 你注意到没有，用你现在这种方法有一些链接漏掉了，还有，图片都显示出来了。
就这两个问题。

Answer 2

我的回答是应该可以办到的，因为已经有人用PHP做到了，只是我们还办不到。也就是说，技术上实现我要的功能完全是可行的。

Answer 3

首先感谢qiushuiwuhen(秋水无恨)，我也学到了很多！呵呵
<?php
function listtitle($url,$key) {
  $contents = implode("", file($url)); 
  $pattern="|<a\s+?href=\"([^\"]+?)\"[^>]*?>\s*?(.+)\s*?</a>|iU";
  preg_match_all($pattern,$contents, $regArr, PREG_SET_ORDER);
  $j=0;
  for($i=0;$i<count($regArr);$i++){
    if(ereg($key,htmlspecialchars($regArr[$i][2]))){
      $titles[$j]["title"]=$regArr[$i][2];   
      $titles[$j]["url"]=$regArr[$i][1];
      $j++;
    }
  }
  for($i=0;$i<count($titles);$i++){
    if(trim($titles[$i]["title"])=="") continue;
    echo "<font color=blue><b>链接:</b></font>".$titles[$i]["url"]."<br>";
    echo "<font color=red><b>标题:</b></font>".strip_tags($titles[$i]["title"])."<br>";
  } 
}
listtitle("http://app.china.com/business/inf/srch.php?keys=中国","中国");
?>

Answer 4

你不是说“这是一个带HTML标识的字串”,所以img也出来了
因为有些是a href='(单引号)'，所以修正如下
对于是否含有关键字，自己锻炼一下了
 <?php
function listtitle( $url) {
  $fp = fopen($url, "r" );while(!feof($fp))$contents.=fread($fp,1024);fclose($fp);
  $pattern="/<a\s+?href=(\"|\')??([^\"\']+?)(\"|\')??[^>]*>\s*?(.+)\s*?<\/a>/iU";
  preg_match_all($pattern,$contents, $regArr, PREG_SET_ORDER);
  for($i=0;$i<count($regArr);$i++){
    echo "Url:".$regArr[$i][2]."<br>";
    echo "Text:".$regArr[$i][4]."<br>";
  }
}
listtitle("http://www.csdn.net/expert/");
?>

Answer 5

To phpteam(George) 
好奇怪，不能从阿里巴巴中国上提取信息，http://china.alibaba.com/bin/search    也不知道文件的类型是什么，只知道是search

Answer 6

地址是没有误的，不信你到阿里巴巴中国去查看。
它的查询form和action就是http://china.alibaba.com/bin/search    
每个网站都不同，分析起来很麻烦

Answer 7

阿里巴巴是用Java Servlet写的，所以你光取个http://china.alibaba.com/bin/search是肯定不行的，他后面还有一大串呢！

Answer 8

"<(.*)>.*<\/\1><\/\1>" 匹配一个 HTML 标记。 
这段代码还比较好理解，只是不知道<\/\1>里面为什么要有个1 用a不行吗？
哪位解释一下

Answer 9

to  qiushuiwuhen(秋水无恨) 
你的那个例程只能从一个网站搜索信息，如果从多个网站搜索信息的话，可不可以边搜索边显示搜索结果呢？