PHP采集程序中常用的函数

1. //获得当前的脚本网址   
2. function get_php_url(){   
3.         if(!emptyempty($_SERVER["REQUEST_URI"])){   
4.                 $scriptName = $_SERVER["REQUEST_URI"];   
5.                 $nowurl = $scriptName;   
6.         }else{   
7.                 $scriptName = $_SERVER["PHP_SELF"];   
8.                 if(emptyempty($_SERVER["QUERY_STRING"])) $nowurl = $scriptName;   
9.                 else $nowurl = $scriptName."?".$_SERVER["QUERY_STRING"];   
10.         }   
11.         return $nowurl;   
12. }   
13. //把全角数字转为半角数字   
14. function GetAlabNum($fnum){   
15.         $nums = array("０","１","２","３","４","５","６","７","８","９");   
16.         $fnums = "0123456789";   
17.         for($i=0;$i<=9;$i++) $fnum = str_replace($nums[$i],$fnums[$i],$fnum);   
18.         $fnum = ereg_replace("[^0-9\.]|^0{1,}","",$fnum);   
19.         if($fnum=="") $fnum=0;   
20.         return $fnum;   
21. }   
22. //去除HTML标记   
23. function Text2Html($txt){   
24.         $txt = str_replace("  ","　",$txt);   
25.         $txt = str_replace("<","<",$txt);   
26.         $txt = str_replace(">",">",$txt);   
27.         $txt = preg_replace("/[\r\n]{1,}/isU","  
28. \r\n",$txt);   
29.         return $txt;   
30. }  
31. //清除HTML标记   
32. function ClearHtml($str){   
33.         $str = str_replace('<','<',$str);   
34.         $str = str_replace('>','>',$str);   
35.         return $str;   
36. }   
37. //相对路径转化成绝对路径   
38. function relative_to_absolute($content, $feed_url) {   
39.     preg_match('/(http|https|ftp):\/\//', $feed_url, $protocol);   
40.     $server_url = preg_replace("/(http|https|ftp|news):\/\//", "", $feed_url);   
41.     $server_url = preg_replace("/\/.*/", "", $server_url);  
42.     if ($server_url == '') {   
43.         return $content;   
44.     }  
45.     if (isset($protocol[0])) {   
46.         $new_content = preg_replace('/href="\//', 'href="'.$protocol[0].$server_url.'/', $content);   
47.         $new_content = preg_replace('/src="\//', 'src="'.$protocol[0].$server_url.'/', $new_content);   
48.     } else {   
49.         $new_content = $content;   
50.     }   
51.     return $new_content;   
52. }   
53. //取得所有链接   
54. function get_all_url($code){   
55.         preg_match_all('/<a\s+href=["|\']?([^>"\' ]+)["|\']?\s*[^>]*>([^>]+)<\/a>/i',$code,$arr);   
56.         return array('name'=>$arr[2],'url'=>$arr[1]);   
57. }  
58. //获取指定标记中的内容   
59. function get_tag_data($str, $start, $end){   
60.         if ( $start == '' || $end == '' ){   
61.                return;   
62.         }   
63.         $str = explode($start, $str);   
64.         $str = explode($end, $str[1]);   
65.         return $str[0];   
66. }   
67. //HTML表格的每行转为CSV格式数组   
68. function get_tr_array($table) {   
69.         $table = preg_replace("'<td[^>]*?>'si",'"',$table);   
70.         $table = str_replace("",'",',$table);   
71.         $table = str_replace("","{tr}",$table);   
72.         //去掉 HTML 标记   
73.         $table = preg_replace("'<[\/\!]*?[^<>]*?>'si","",$table);   
74.         //去掉空白字符   
75.         $table = preg_replace("'([\r\n])[\s]+'","",$table);   
76.         $table = str_replace(" ","",$table);   
77.         $table = str_replace(" ","",$table);  
78.         $table = explode(",{tr}",$table);   
79.         array_pop($table);   
80.         return $table;   
81. }  
82. //将HTML表格的每行每列转为数组，采集表格数据   
83. function get_td_array($table) {   
84.         $table = preg_replace("'<table[^>]*?>'si","",$table);   
85.         $table = preg_replace("'<tr[^>]*?>'si","",$table);   
86.         $table = preg_replace("'<td[^>]*?>'si","",$table);   
87.         $table = str_replace("","{tr}",$table);   
88.         $table = str_replace("","{td}",$table);   
89.         //去掉 HTML 标记   
90.         $table = preg_replace("'<[\/\!]*?[^<>]*?>'si","",$table);   
91.         //去掉空白字符   
92.         $table = preg_replace("'([\r\n])[\s]+'","",$table);   
93.         $table = str_replace(" ","",$table);   
94.         $table = str_replace(" ","",$table);   
95.           
96.         $table = explode('{tr}', $table);   
97.         array_pop($table);   
98.         foreach ($table as $key=>$tr) {   
99.                 $td = explode('{td}', $tr);   
100.                 array_pop($td);   
101.             $td_array[] = $td;   
102.         }   
103.         return $td_array;   
104. }  
105. //返回字符串中的所有单词 $distinct=true 去除重复   
106. function split_en_str($str,$distinct=true) {   
107.         preg_match_all('/([a-zA-Z]+)/',$str,$match);   
108.         if ($distinct == true) {   
109.                 $match[1] = array_unique($match[1]);   
110.         }   
111.         sort($match[1]);   
112.         return $match[1];   
113. }  
114.    
115. 函数描述及例子  
116.    
117. PHP采集程序中常用的函数  
118.  
119. 查询关键字  
120.    
121. PHP采集程序中常用的函数  
122. <!--?  
123. //获得当前的脚本网址   
124. function get_php_url(){   
125.         if(!emptyempty($_SERVER["REQUEST_URI"])){   
126.                 $scriptName = $_SERVER["REQUEST_URI"];   
127.                 $nowurl = $scriptName;   
128.         }else{   
129.                 $scriptName = $_SERVER["PHP_SELF"];   
130.                 if(emptyempty($_SERVER["QUERY_STRING"])) $nowurl = $scriptName;   
131.                 else $nowurl = $scriptName."?".$_SERVER["QUERY_STRING"];   
132.         }   
133.         return $nowurl;   
134. }   
135. //把全角数字转为半角数字   
136. function GetAlabNum($fnum){   
137.         $nums = array("０","１","２","３","４","５","６","７","８","９");   
138.         $fnums = "0123456789";   
139.         for($i=0;$i<=9;$i++) $fnum = str_replace($nums[$i],$fnums[$i],$fnum);   
140.         $fnum = ereg_replace("[^0-9\.]|^0{1,}","",$fnum);   
141.         if($fnum=="") $fnum=0;   
142.         return $fnum;   
143. }   
144. //去除HTML标记   
145. function Text2Html($txt){   
146.         $txt = str_replace("  ","　",$txt);   
147.         $txt = str_replace("<","<",$txt);   
148.         $txt = str_replace("-->",">",$txt);   
149.         $txt = preg_replace("/[\r\n]{1,}/isU","  
150. \r\n",$txt);   
151.         return $txt;   
152. }  
153. //清除HTML标记   
154. function ClearHtml($str){   
155.         $str = str_replace('<','<',$str);   
156.         $str = str_replace('>','>',$str);   
157.         return $str;   
158. }   
159. //相对路径转化成绝对路径   
160. function relative_to_absolute($content, $feed_url) {   
161.     preg_match('/(http|https|ftp):\/\//', $feed_url, $protocol);   
162.     $server_url = preg_replace("/(http|https|ftp|news):\/\//", "", $feed_url);   
163.     $server_url = preg_replace("/\/.*/", "", $server_url);  
164.     if ($server_url == '') {   
165.         return $content;   
166.     }  
167.     if (isset($protocol[0])) {   
168.         $new_content = preg_replace('/href="\//', 'href="'.$protocol[0].$server_url.'/', $content);   
169.         $new_content = preg_replace('/src="\//', 'src="'.$protocol[0].$server_url.'/', $new_content);   
170.     } else {   
171.         $new_content = $content;   
172.     }   
173.     return $new_content;   
174. }   
175. //取得所有链接   
176. function get_all_url($code){   
177.         preg_match_all('/<a\s+href=["|\']?([^>"\' ]+)["|\']?\s*[^>]*>([^>]+)<\/a>/i',$code,$arr);   
178.         return array('name'=>$arr[2],'url'=>$arr[1]);   
179. }  
180. //获取指定标记中的内容   
181. function get_tag_data($str, $start, $end){   
182.         if ( $start == '' || $end == '' ){   
183.                return;   
184.         }   
185.         $str = explode($start, $str);   
186.         $str = explode($end, $str[1]);   
187.         return $str[0];   
188. }   
189. //HTML表格的每行转为CSV格式数组   
190. function get_tr_array($table) {   
191.         $table = preg_replace("'<td[^>]*?>'si",'"',$table);   
192.         $table = str_replace("",'",',$table);   
193.         $table = str_replace("","{tr}",$table);   
194.         //去掉 HTML 标记   
195.         $table = preg_replace("'<[\/\!]*?[^<>]*?>'si","",$table);   
196.         //去掉空白字符   
197.         $table = preg_replace("'([\r\n])[\s]+'","",$table);   
198.         $table = str_replace(" ","",$table);   
199.         $table = str_replace(" ","",$table);  
200.         $table = explode(",{tr}",$table);   
201.         array_pop($table);   
202.         return $table;   
203. }  
204. //将HTML表格的每行每列转为数组，采集表格数据   
205. function get_td_array($table) {   
206.         $table = preg_replace("'<table[^>]*?>'si","",$table);   
207.         $table = preg_replace("'<tr[^>]*?>'si","",$table);   
208.         $table = preg_replace("'<td[^>]*?>'si","",$table);   
209.         $table = str_replace("","{tr}",$table);   
210.         $table = str_replace("","{td}",$table);   
211.         //去掉 HTML 标记   
212.         $table = preg_replace("'<[\/\!]*?[^<>]*?>'si","",$table);   
213.         //去掉空白字符   
214.         $table = preg_replace("'([\r\n])[\s]+'","",$table);   
215.         $table = str_replace(" ","",$table);   
216.         $table = str_replace(" ","",$table);   
217.           
218.         $table = explode('{tr}', $table);   
219.         array_pop($table);   
220.         foreach ($table as $key=>$tr) {   
221.                 $td = explode('{td}', $tr);   
222.                 array_pop($td);   
223.             $td_array[] = $td;   
224.         }   
225.         return $td_array;   
226. }  
227. //返回字符串中的所有单词 $distinct=true 去除重复   
228. function split_en_str($str,$distinct=true) {   
229.         preg_match_all('/([a-zA-Z]+)/',$str,$match);   
230.         if ($distinct == true) {   
231.                 $match[1] = array_unique($match[1]);   
232.         }   
233.         sort($match[1]);   
234.         return $match[1];   
235. }  
236.    
237. </td[^></tr[^></table[^></td[^></a\s+href=["|\']?([^></td[^></tr[^></table[^></td[^></a\s+href=["|\']?([^>