求助，如何批量提取本地html网页中文字内容

arecluse

各位前辈：
      能不能帮忙编辑个代码，可以批量提取本地html网页中指定的内容，现在只能一个一个手动复制粘贴，拜谢！

zpy2

y用正则应该可以，可以搜索一下

arecluse

zpy2 发表于 2020-11-28 15:40
y用正则应该可以，可以搜索一下

能给个站内学习链接吗，我学习一下，谢谢

fxl447098457

以txt方式读取源代码正则处理下就差不多了。

zpy2

arecluse 发表于 2020-11-28 15:45
能给个站内学习链接吗，我学习一下，谢谢

dir遍历文件
正则匹配
下面是php的，也写了一下，供你参考。
<?php
//https://www.php.net/manual/zh/class.recursivedirectoryiterator.php
function get_all_html(){

$Directory = new RecursiveDirectoryIterator('./');
$Iterator = new RecursiveIteratorIterator($Directory);

$Regex = new RegexIterator($Iterator, '/^.+\.html$/i',RegexIterator::MATCH);

$arr=[];
foreach($Regex as $r){
$arr[]=$r->getPathname();
}
//print_r(iterator_to_array($Regex));

return $arr;
}
$files=get_all_html();
$i=0;
foreach($files as $k=>$v){

        $html=file_get_contents($v);
        $patten='~[男女]~u';
        if(preg_match($patten,$html,$matches)){
        //echo $matches[0];
        $result[$i]["性别"]=$matches[0];
        }else{
        echo $v."<br>";
        }

        $patten='~1\d{10}~u';
        if(preg_match($patten,$html,$matches)){
        //echo $matches[0];
        $result[$i]["手机号"]=$matches[0];
        }else{
        echo $v."<br>";
        }
        $i++;
}
//print_r($result);
$file_out="result.txt";
unlink($file_out);
foreach($result as $v){
        $str=implode("\t",$v)."\r\n";
        file_put_contents($file_out,$str,FILE_APPEND);
}
$s=file_get_contents($file_out);
echo $s;
die();
?>