PHP正则表达式提取淘宝搜索图片及链接地址

用php正则表达式，实现提取淘宝搜索页面的图面及链接的提取，可用于制作淘宝搜索小偷，做网站淘宝客。以下是我写的演示例子，大家可以适当修改使用。我测试时提取的链接貌似不包含pid，所以可以在超链接输出时再加入，如地址加入:&$pid=mm_17149866_0_0;

程序代码

代码如下

复制代码

<?php $keywords=$_GET['word'];//关键词 $p=($_GET['p']-1)*40;//页码 $html = file_get_contents("http://s.taobao.com/search?q=".$keywords."&pid=mm_17149866_0_0&s=".$p."#J_relative");//pid可以自己修改 preg_match_all ("|<img src="(.*)" /></span>|U",$html,$img_array);//提取图片 preg_match_all('/<h3 class="summary"><a .*?href="(.*?)".*?>/is',$html,$match);//提取超链接 $c=count($match[1]); for($i=0;$i<$c;$i++) {   echo '<a href='.$match[1][$i].'><img src="'.$img_array[1][$i].'"></a>'; } ?>

一个简单的PHP防止JS注入正则代码，有需要了解的同学可参考。

例子

代码如下	复制代码
$a ="/<script[^>]*?>.*?</script>/si";  $keyword = preg_replace($a,' ',$_POST['searchword']);

其它方法

代码如下	复制代码
<?php $title="<style>ssss{'float:right'}</style>"; $title = strip_tags($title); if(preg_match('/<style>(.*)</style>|<script>(.*)</script>|<img src=(.*)>/',$title,$info)){  $title=$info['1']; }else{  $title = $title; } echo $title;

正则表达式是php中一种超强的数据查找模式了，下面我来给各位入门者介绍在php中正则表达式是如何使用，有需要了解的同学可进入参考。

可以用字符作为一个通配符来代替除换行符(n)之外的任一个字符。例如，正则表达式：
.at
可以与"cat"、"sat"、"#at"和"mat"等进行匹配。主要是用于在搜索文件时

也可以指定一个字符集:
[a-z]at
在方括号([])中的内容都是一个字符类--- 一个被匹配字符所属的字符集合。但是只匹配其中的一个字符。

同时我们也可以给出一个集合。
[aeiou]
可以用来表示元音字母。

也可以用来表示一个范围。也可以是一个范围集：
[a-zA-Z]
这个范围集代表任何的大小字母。

此外，还可以用集合来指明字符不属于某个集。例如：
[^a-z]
可以用来匹配任何不在a和z之间的字符。当把脱胎换骨字符号(^)包括在方括号里面时，表示否。

重复次数
"*"表示这个模式可以被重复0次或更多次，符号"+"则表示这个模式可以被重复1次或更多次。

[[:alnum:]]+
表示至少有一个字母。

子表达式
(very)*large
可以匹配 very large 、 large 、very very large 等。

子表达式记数
可以用在花括号({})中的数字表达式来指定内容允许重复的次数。可以指定一个确切的数字({3}表示重复3次)，或者一个重复次数的范围

({2,4}表示重复2~4次)，或是一个开底的重复范围({2,}表示至少要重复2次).
例如：
(very){1,3}
表示匹配"very"、"very very"、"very very very"。

定位到字符串的开始或末尾
脱字符号(^)用于正则表达式的开始，表示子字符串必须出现在被搜索字符串的开始字符处，字符"$"用于正则表达式的末尾。表示子字符串必

须出现在字符串的末尾。

例,以下是在字符串开始处匹配bob:
^bob

这个模式将匹配com出现在字符串末尾处的字符串:
com$

最后,这个模式将匹配只包含a到z之间一个字符的字符串：
^[a-z]$

分支

可以使用正则表达式中的一条竖线来表示一个选择。例如,如果要匹配com、edu或net，就可以使用如下所示的表达示：
com|edu|net

匹配特殊字符

如果要匹配特殊字符，例如，.、{或者$，就必须在它们前面加一个反斜杠()。如果要匹配一个反斜杠,则必须用两个反斜杠(\)来表示.

在PHP中,必须将正则表达式模式包括在一个单引号字符串中.

在POSIX正则表达式中,用于方括号外面特殊字符的摘要

字符          意义                字符         意义
         转意字符                              )        子模式的结束
 ^        在字符串开始匹配                  *        重复0次或更多次
 $        在字符串末尾匹配                  +        重复1次或更多次
 .        匹配除换行符(n)之外的字符     {         最小/最大量记号的开始
 |        选择分支的开始(或)                 }        最小/最大量记号的结束
 (        子模式的开始                         ?        标记一个子模式为可选的

在POSIX正则表达式中,用于方括号里面的特殊字符

字符         意义
         转意字符
 ^        非，仅用在开始位置
 -        用于指明字符范围

常用的正则表达式
    1、非负整数：”^d+$”

    2、正整数：”^[0-9]*[1-9][0-9]*$”

    3、非正整数：”^((-d+)|(0+))$”

    4、负整数：”^-[0-9]*[1-9][0-9]*$”

    5、整数：”^-?d+$”

    6、非负浮点数：”^d+(.d+)?$”

    7、正浮点数：”^((0-9)+.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*.[0-9]+)|([0-9]*[1-9][0-9]*))$”

    8、非正浮点数：”^((-d+.d+)?)|(0+(.0+)?))$”

    9、负浮点数：”^(-((正浮点数正则式)))$”

    10、英文字符串：”^[A-Za-z]+$”

    11、英文大写串：”^[A-Z]+$”

    12、英文小写串：”^[a-z]+$”

    13、英文字符数字串：”^[A-Za-z0-9]+$”

    14、英数字加下划线串：”^w+$”

    15、E-mail地址：”^[w-]+(.[w-]+)*@[w-]+(.[w-]+)+$”

    16、URL：”^[a-zA-Z]+://(w+(-w+)*)(.(w+(-w+)*))*(?s*)?$”

这些我悼念了32条PHP正则表达式 ,这些正则表达式在网站开发上是经常会使用的正式表达式，有需要的可以收藏一下

1、"^d+$"　　//非负整数（正整数 + 0）

 

2、"^[0-9]*[1-9][0-9]*$"　　//正整数

 

3、"^((-d+)|(0+))$"　　//非正整数（负整数 + 0）

 

4、"^-[0-9]*[1-9][0-9]*$"　　//负整数

 

5、"^-?d+$"　　　　//整数

 

6、"^d+(.d+)?$"　　//非负浮点数（正浮点数 + 0）

 

7、"^(([0-9]+.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*.[0-9]+)|([0-9]*[1-9][0-9]*))$"　　//正浮点数

 

8、"^((-d+(.d+)?)|(0+(.0+)?))$"　　//非正浮点数（负浮点数 + 0）

 

9、"^(-(([0-9]+.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*.[0-9]+)|([0-9]*[1-9][0-9]*)))$"　　//负浮点数

 

10、"^(-?d+)(.d+)?$"　　//浮点数

 

11、"^[A-Za-z]+$"　　//由26个英文字母组成的字符串 www.netxu.com

 

12、"^[A-Z]+$"　　//由26个英文字母的大写组成的字符串

 

13、"^[a-z]+$"　　//由26个英文字母的小写组成的字符串

 

14、"^[A-Za-z0-9]+$"　　//由数字和26个英文字母组成的字符串

 

15、"^w+$"　　//由数字、26个英文字母或者下划线组成的字符串

 

16、"^[w-]+(.[w-]+)*@[w-]+(.[w-]+)+$"　　　　//email地址

 

17、"^[a-zA-z]+://(w+(-w+)*)(.(w+(-w+)*))*(?S*)?$"　　//url

 

18、/^(d{2}|d{4})-((0([1-9]{1}))|(1[1|2]))-(([0-2]([1-9]{1}))|(3[0|1]))$/   //  年-月-日

 

19、/^((0([1-9]{1}))|(1[1|2]))/(([0-2]([1-9]{1}))|(3[0|1]))/(d{2}|d{4})$/   // 月/日/年

 

20、"^([w-.]+)@(([[0-9]{1,3}.[0-9]{1,3}.[0-9]{1,3}.)|(([w-]+.)+))([a-zA-Z]{2,4}|[0-9]{1,3})(]?)$"   //Emil

 

21、/^((+?[0-9]{2,4}-[0-9]{3,4}-)|([0-9]{3,4}-))?([0-9]{7,8})(-[0-9]+)?$/     //电话号码 www.netxu.com

 

22、"^(d{1,2}|1dd|2[0-4]d|25[0-5]).(d{1,2}|1dd|2[0-4]d|25[0-5]).(d{1,2}|1dd|2[0-4]d|25[0-5]).

(d{1,2}|1dd|2[0-4]d|25[0-5])$"   //IP地址  

 

23、匹配中文字符的正则表达式： [u4e00-u9fa5]

 

24、匹配双字节字符(包括汉字在内)：[^x00-xff]

 

25、匹配空行的正则表达式：n[s| ]*r

 

26、匹配HTML标记的正则表达式：/<(.*)>.*</1>|<(.*) />/

 

27、匹配首尾空格的正则表达式：(^s*)|(s*$)

 

28、匹配Email地址的正则表达式：w+([-+.]w+)*@w+([-.]w+)*.w+([-.]w+)*

 

29、匹配网址URL的正则表达式：^[a-zA-z]+://(\w+(-\w+)*)(\.(\w+(-\w+)*))*(\?\S*)?$

 

30、匹配帐号是否合法(字母开头，允许5-16字节，允许字母数字下划线)：^[a-zA-Z][a-zA-Z0-9_]{4,15}$

 

31、匹配国内电话号码：(d{3}-|d{4}-)?(d{8}|d{7})?

 

32、匹配腾讯QQ号：^[1-9]*[1-9][0-9]*$

邮箱正则我们要包括所有域名如.com,.cn,org,net等等各种域名，然后就是邮箱地址的组成一般是由字母或者数字开头，中间可以有“-”与“_”符号，但邮箱不能由中文等等。

1，不做总长度判断，长度判断可以自己加上；

2，支持.net.cn，.com.cn这样的域名后缀；

3，邮箱名部分以字母或者数字开头，中间可以有“-”与“_”符号；

4，域名部分以字母或者数字开头，中间可以有“-”与“_”符号；

代码如下

复制代码

/**  * 自己修整的一个邮箱正则表达式  * 琼台博客  */ echo '<meta charset="utf-8" />'; function c_email($email){     $reg='/^([a-zA-Z0-9]{1,20})(([_-.])?([a-zA-Z0-9]{1,20}))*@([a-zA-Z0-9]{1,20})(([-_])?([a-zA-Z0-9]{1,20}))*(.[a-z]{2,4}){1,2}$/';     if(preg_match($reg,$email))         return true;         return false; } $email = 'mail@lizhong.me'; $check_result = c_email($email); if($check_result){     echo '邮箱格式正确'; }else{     echo '邮箱格式错误'; }