PHP从网页中提取文本

有没有可能用PHP做点什么，我可以建立一个到URL的连接，比如，提取任何包含前缀的单词，比如“Exa”和“ins”，这样生成的PHP页面将打印出它找到的所有单词。例如，使用“Exa”，每次找到“example”的实例时，都会打印出“example”一词。对于以“ins”开头的单词也是如此。

使用将页面读入字符串。使用各种选项之一检查页面。

使用将页面读入字符串。使用各种方法中的一种来检查页面。

我没有完整的示例回答，但是可以，您应该能够将整个页面读入字符串变量，然后对其执行正常的字符串操作。它将读取所有HTML，因此如果您不需要标记，您可能需要执行大量正则表达式来消除标记。

我没有完整的示例回答，但是是的，您应该能够将整个页面读入字符串变量，然后对其执行正常的字符串操作。它将读取所有HTML，因此如果您不需要标记，可能需要执行大量正则表达式来消除标记。

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

$matches=array（）；
preg_match（'/\bExa|ins（[^\b]+）/'、$data和$matches）；
对于（$i=1；$i

可能是这样的，虽然我对正则表达式不是很确定，但我还没有测试过它

编辑：我更改了它，它现在应该可以工作了。。。（\B=>\B和

strip_标记

以防止HTML类被匹配）。

$data=strip_标记（file_get_contents（$url））；
$matches=array（）；
preg_match（'/\bExa|ins（[^\b]+）/'、$data和$matches）；
对于（$i=1；$i

可能是这样的，虽然我对正则表达式不是很确定，但我还没有测试过它

---

编辑：我更改了它，它现在应该可以工作了。。。（\B=>\B和

strip_标记

以防止HTML类被匹配）。

是的，这是可能的。一种可能的办法是：

使用类似（如果启用了allow_url_fopen-使用失败）的方法获取外部网页内容

通过删除（可能不是必需的）HTML标记

用于标记和迭代剩余内容，检查您需要的任何条件

---

是的，这是可能的。一种可能的办法是：

使用类似（如果启用了allow_url_fopen-使用失败）的方法获取外部网页内容

通过删除（可能不是必需的）HTML标记

用于标记和迭代剩余内容，检查您需要的任何条件

---

你的问题非常广泛，几乎不可能在帖子中回答。考虑把这个任务分解成块，然后单独处理，并在必要时请求帮助。FIY：你想检查是否通过PHP访问一个网站是违反他们的条件的。你的问题非常广泛，几乎不可能在帖子中回答。考虑把这个任务分解成块，然后单独处理，并在必要时请求帮助。FIY：你想检查是否通过PHP访问一个网站是违反他们的条款/条件的。但刚才我意识到人们并不总是问他们想回答的问题，所以我改变了答案，以匹配我认为特瑞我想问的问题。@Viswanathan是的，我不这么认为。他可能确实需要一些关于如何做到这一点的帮助，而不仅仅是“不”或“是”…是的。但刚才我意识到人们并不总是问他们想回答的问题，所以我改变了答案，以匹配我认为特瑞我想问的问题。@Viswanathan是的，我不这么认为。他可能确实需要一些关于如何做到这一点的帮助，而不仅仅是“不”或“是”…$middaparka：我知道这是可能的。这就是我正在做的。但是，如果加载的网页包含iframe和javascript来生成内容，则调用fopen（）时不会显示字符串。那么有没有一种方法可以获取javascript函数生成的字符串呢。换句话说，我想通过编程来获取文本，而不是复制和粘贴文本。@dooby您所说的是不可能的-浏览器执行JavaScript等。因此，您需要模拟（或确实使用）浏览器。顺便说一句，你应该创建自己的问题，而不是针对现有问题的答案添加评论，尤其是因为听起来你试图解决一个微妙的不同问题。$middaparka：我知道这是可能的。这就是我正在做的。但是，如果加载的网页包含iframe和javascript来生成内容，则调用fopen（）时不会显示字符串。那么有没有一种方法可以获取javascript函数生成的字符串呢。换句话说，我想通过编程来获取文本，而不是复制和粘贴文本。@dooby您所说的是不可能的-浏览器执行JavaScript等。因此，您需要模拟（或确实使用）浏览器。顺便说一句，你应该创建自己的问题，而不是对现有问题的答案添加评论，尤其是当听起来你试图解决一个微妙的不同问题时。