php抓取百度邮编搜索结果，应改如何写正则表达式？

Question

本人小白，想通过百度邮编搜索截取一个地址的邮编，在自己的网站空间里放了个php脚本。
因为要求不是很高，试图通过正则匹配找到第一组“首位不为0的六位数字”，作为结果输出，但是不管怎么尝试，得到的始终是一个空数组……
正则表达式是我从网上找的，也是过不同的形式，但是始终都得不到任何值

<?php
$final_url = 'http://opendata.baidu.com/post/s?wd=%C9%BD%B6%AB%CA%A1%BC%C3%C4%CF%CA%D0%C0%FA%CF%C2%C7%F8&p=mini&rn=20';
$search_result = file_get_contents($final_url);
$clear_result = strip_tags($search_result);
echo mb_detect_encoding($search_result);
echo("</br>");
echo($clear_result);
echo("</br>");
$zipcodes = search_for_zipcodes($clear_result);
print_r($zipcodes);

function search_for_zipcodes($test) {
    $rule = '/^[1-9]\d{5}$/';
    preg_match_all($rule,$test,$result);
    return $result;
}    ?>

mb_detect_encoding($search_result)，写这一句是想看看返回回来的页面的编码，但是这个函数似乎也得不到任何结果……

如果漏洞百出烦请诸位大神耐心指教，本人真的是小白一只……

Answer 1

题主啊, 你好.

我觉得, 你这个任务, 用不到正则.

为什么呢?

请看里面的搜索结果是什么?

        <table class="table-list" cellspacing="0"><tr><th class="head-postcode">邮编</th><th class="head-region">行政区域</th></tr><tr><td>250102</td><td><em>山东省</em> <em>济南市</em> <em>历下区</em> 经十路双号2218-5150</td></tr><tr><td>250102</td><td><em>山东省</em> <em>济南市</em> <em>历下区</em> 经十东路双号33188-33688</td></tr><tr><td>250102</td><td><em>山东省</em> <em>济南市</em> <em>历下区</em> 经十路单号177-3799</td></tr><tr><td>250102</td><td><em>山东省</em> <em>济南市</em> <em>历下区</em> 旅游路港沟水利站机关公寓</td></tr></table> 

好完整的结果, 这已经是一个列表了.

因为具体还没有看, 一会我来告诉你怎么处理.我先php试一下.

  <?php

//有单独邮编的网址
$url = 'http://opendata.baidu.com/post/s?wd=%C9%BD%CE%F7&p=mini&rn=20';  

// 没有单独邮编的网址
//$url= 'http://opendata.baidu.com/post/s?wd=%C9%BD%B6%AB%CA%A1%BC%C3%C4%CF%CA%D0%C0%FA%CF%C2%C7%F8%C6%BD%B0%B2%BA%FA%CD%AC&p=mini&rn=20';


// xpath 解析文档
$dom = new DOMDocument;
libxml_use_internal_errors(TRUE);
$dom->loadHTMLFile($url);
libxml_clear_errors();
$xPath = new DOMXPath($dom);

//起作用的语句
$trs = $xPath->query('//li/a/text()|//tr/td');

//输出结果
foreach($trs as $tr) {
     $str= $tr->nodeValue;

    if(strlen($str)>6){
    $str =  array_pop( explode(' ', $str));

    }
    echo $str;
    break;
}



?>

http://phpfiddle.org/

你去phpfiddle 试一下吧, 还行. 做这种工作, xpath方便点.

Answer 2

<?php
$final_url = 'http://opendata.baidu.com/post/s?wd=%C9%BD%B6%AB%CA%A1%BC%C3%C4%CF%CA%D0%C0%FA%CF%C2%C7%F8&p=mini&rn=20';
$search_result = file_get_contents($final_url);
$search_result = iconv('gbk', 'utf-8', $search_result);
preg_match_all("@<td>(\d+)</td><td>(.*?)</td></tr>@is", $search_result, $match);
$area = array_map("strip_tags", $match[2]);
print_r($match[1]);
print_r($area);

Answer 3

把$rule = '/^[1-9]\d{5}$/';换成
$rule = '/[1-9]\d{5}/';试试
因为，你用了strip_tags.所以，很多内容，都直接合并成“一行”了。再用^,$应该是匹配不到的