PHP 正则表达式抓取网页内容。

我想用php抓取爱奇艺生活类型视频网页里面的元素，应该如何去做呢？

首先我要非常熟悉正则表达式，关于正则表达式的学习，我会写一篇博客一直学习的。

直接举例子：

这是一个爱奇艺生活视频的界面的网址

$url="http://www.iqiyi.com/v_19rrb1wlpw.html";

php的file_get_contents()函数，是把网页里的源码全部变成字符串读取出来。

$showdata=file_get_contents($url);

echo $showdata;

这几句话就可以做到把网页源码拿过来，再显示出来。

在得到网页源码的基础上，我们再利用正则表达式，把自己需要的内容提取出来。

php的preg_match_all('正则表达式内容'，'目标字符串'，‘储存的字符串’)；

上面的例子中  preg_match_all('/cid:(\d+)/', $showdata, $cid); 则是查找网页源码中所有符合cid:+数字的所有字符串。储存在cid中，cid是一个二维数组。

最简单的方法就是上面这些。但是在实际用到的时候却遇到一些问题。首先，网页源代码是网页初始化之前的代码，如果我们需要提取网页初始化之后的某些元素怎么办？

file_get_contents()只能获得源代码。初始化好之后的网页，无疑是通过post或者get请求数据得来的，我们打开javascript 控制台

看到network ,里面是每个网页源代码中加载的请求，而我们需要的元素就在这些请求之中，你需要把请求找出来，一般，视频网站向后台获取数据，都是由规律的，你需要自己去分析，获得视频网站的后台数据的url,我分析了一下午，找到了爱奇艺生活视频的后台数据url。

第二个问题就是正则表达式的问题，首先正则表达式比较难，容易写错，强烈建议，下载一个正则表达式测试器，先测试一下。

在获取网页内容中，我遇到了一个问题，如果用preg_match_all 抓取玩内容，在抓取的内容的基础上面再用preg_match_all，再抓取一次，这个时候会遇到问题。

因为第一次抓取获得的是一个二维数组，我们应该把它变成字符串，简单的用a[0][0]是不行的，需要用到implode函数 $b=implode('',$a[0]);