在web开拓中，有时须要从其他网页的内容中提取我们须要的信息，抓取页面信息须要利用curl方法，但是要从所抓取到的信息中提取到我们真正须要的内容，须要利用正则表达式进行匹配。
这里，我将大略阐述如何利用正则匹配，从网站的页面中提取我们想要的招聘信息，详细分为以下几步：
1、剖析我们要抓取内容网页的url构成；
2、根据实际情形拼接我们须要的url；
3、读取网页内容；
4、根据返回的内容利用正则匹配出我们须要的内容；
步骤一 剖析url构成：
在网站的搜索职位页面中，选定事情地点和职位后进行搜索，
创造其url构成如下：
http://xxx.xxx.com/jobs/searchresult.asp?jl=%E7%BB%B5%E9%98%B3&kw=java&sm=0&p=1
个中：
Ø ji参数的值为事情地点：这里看到的值”%E7%BB%B5%E9%98%B3”并非乱码；而是对中文利用urlencode后的结果，我们也可以直接跟明码，比如ji=绵阳；
Ø Kw参数的值为职位；
Ø p参数为页码；
步骤二 现在我们构建想要访问的url：
步骤三 利用file_get_contents函数抓取该网站内容：
现在须要利用Google浏览器的调试工具，不雅观察一下此部分的html构造，以便编写对应的正则表达式：
该部分内容的html构造均为：
步骤四 利用正则表达式匹配出须要的内容：
先利用正则表达式匹配出该部分的值，参照以上html构造，所构建的正则表达式（这里我们利用效率更高的PCRE模式）为：
我们利用匹配函数preg_match_all：
通过以上匹配，可以将匹配到的内容放入$arr这个数组中，返回内容如下：
连续利用正则表达式匹配到我们须要的内容，但是之前构建的url中页码值为1，我们须要匹配到所有的页，以是须要修正之前的url，并且我们须要利用循环，但是要用到何种循环构造呢？我们须要先不雅观察页面中“下一页”按钮的html构造：
我们可以匹配上图中a标签中的class名称“nopress2”判断是否还有下一页，如果能匹配出该值，解释没有下一页，以是我们利用do……while循环构造来获取所有的页面内容，代码修正如下：
当匹配到“nopress2”时，while条件不再知足，停滞循环。
1、根据以下html构造，找到职位名称和对应的a标签中的url
这里利用foreach遍历我们刚才得到的数组$arr，将代码添加至do……while内：
2 找到公司名称和对应的url，在foreach中连续添加代码
3 匹配出配置职位月薪、事情地点、发布韶光，连续添加代码
经由以上处理，终极将得到一个如下形式的数组：
至此，我们已经得到了想要提取的数据。
完全代码：
该文章只是供应了一种在网页上爬取我们想要的内容的大致方法，中间有些步骤和代码还可以连续优化，还存在不敷之处，欢迎大家一起谈论，毕竟在编程中，没有最好的代码，只有更好的思想。
