苹果 CMS 采集规则正则表达式教程：从入门到复杂解析规则编写

1. 正则表达式基础语法速查表

新手可使用 模板汇code.jishujc.com 的「正则表达式测试工具」，实时查看匹配结果，降低编写难度。

2. 简单规则编写：提取列表页信息

以 80s 电影网为例，列表页解析规则：

regex

<div class="co_content8">.*?<a href="(.*?)" class="ulink">(.*?)</a>.*?<img src="(.*?)"  

• 第一个分组：详情页链接（/movie/123.html）
• 第二个分组：标题（含年份，如 “流浪地球 2 (2023)”）
• 第三个分组：封面图链接（http://img.80s.com/cover.jpg）

通过preg_match_all函数批量提取数据：

php

preg_match_all($pattern, $html, $matches, PREG_SET_ORDER);  
foreach ($matches as $match) {  
  $detail_url = 'http://www.80s.com' . $match[1];  
  $title = trim($match[2]);  
}  

3. 复杂规则编写：处理动态加载内容

针对 Ajax 加载的分页数据（如爱奇艺剧集列表），需解析 JSON 数据：

json

{  
  "data": {  
    "list": [  
      {  
        "id": "123",  
        "title": "庆余年第二季",  
        "cover": "http://qiyipic.com/cover.jpg"  
      }  
    ]  
  }  
}  

正则表达式：

regex

{"id":"(\d+)","title":"(.*?)","cover":"(.*?)"}  

配合json_decode函数转换为数组：

php

$json_data = json_decode($ajax_response, true);  
foreach ($json_data['data']['list'] as $item) {  
  $id = $item['id'];  
  $title = htmlspecialchars($item['title']);  
}  

4. 正则优化技巧

• 非贪婪匹配：在量词后加?（如.*?），避免匹配过多内容
• 字符转义：对特殊字符（如<, >, &）添加反斜杠
• 分组命名：使用(?<name>...)提高可读性regex<a href="(?<detail_url>.*?)">(?<title>.*?)</a>

掌握这些技巧后，可尝试编写「跨页采集」「多级目录解析」等复杂规则。 模板汇code.jishujc.com 提供《苹果 CMS 正则表达式案例集》，包含 50 + 实战规则和详细注释。