PHP从网页中提取文本

Question

是否可以使用PHP进行某些操作，在其中我可以建立与http://en.wikipedia.org/wiki/Wiki之类的URL的连接，并提取包含诸如“ Exa”和“ ins”之类的前缀的任何单词，从而使生成的PHP页面将打印出所有找到的单词。 例如，对于“ Exa”，每次找到“ Example”的实例时，将打印出“ Example”一词。 以“ ins”开头的单词也是如此。

Answer 1

$data = strip_tags(file_get_contents($url));
$matches = array();
preg_match('/\bExa|ins([^\b]+)/', $data, &$matches);
for ($i = 1; $i < count($matches); $i++) {
    echo "Match: '".$matches[$i]."'\r\n";
}

大概是这样的，尽管我对正则表达式不是很确定，但是我还没有对其进行测试...

编辑：我更改了它，现在应该可以使用...（\\ B => \\ b和strip_tags可以防止HTML类被匹配）。

Answer 2

我没有给出示例的完整答案，但是，是的，您应该能够将整个页面读入一个字符串变量，然后对它进行常规的字符串操作。 它会读取所有HTML，因此，如果您不希望使用标签，则可能需要进行大量的正则表达式来消除标签。

Answer 3

使用file_get_contents将页面读取为字符串。 使用各种字符串函数之一来检查页面。

Answer 4

是的，这可能。 一种可能的方法是：

1. 使用fopen之类的东西（如果启用了allow_url_fopen-使用CURL失败）来获取外部网页内容。

2. 通过strip_tags删除（可能不是必需的）HTML标签。

3. 使用strtok标记和迭代其余内容，检查所需的条件。