火车头采集器的正则匹配语法例子

不太明白火车头采集器的正则表达式，有人举个例子吗，例如采集邮箱和域名以及论坛

答案：

前字符串(?<content>[\s\S]*?)后字符串 【注：[\s\S]* 可匹配任意字符，也可替换成您需要的正则】
而对于火车头采集器一般邮箱(Email)地址的正则表达式如下：
(?<content>\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*?)
简单解释一下就是\w+([-+.]\w+)*匹配由数字、字母、连接符和点组成的字符串
测试过程中发现如果邮箱地址后面带中文则中文也会被采集，故修改后的正则表达式如下（不会再采集中文）：
(?<content>\w+([-+.]\w+)*@\w+([-.]\w+)*\.[a-z]{2,3}([\.][a-z]{2})?)
修改的思路来自以下一段PHP采集页面邮箱地址的小程序中的正则匹配规则：


<?php 
$url='http://www.zhaoxi.net'; 
$content=file_get_contents($url); 
function getEmail($str) { 
    $pattern = "/([a-z0-9\-_\.]+@[a-z0-9]+\.[a-z0-9\-_\.]+)/"; 
    preg_match_all($pattern,$str,$emailArr); 
    return $emailArr[0]; 
} 
print_r( getEmail($content)); 
?>

其他：
(<div class="article">|<tr><td class="newscontent">|)（?<content>[\s\S]*?）(<TBODY>|</div>)  前后匹配table和div，适合多变模板

火车头采集域名常用函数：(?<content>[w-]+.(com|net|org|gov|cc|biz|info|cn)(.(cn|hk))*?)
比如我们要获取火车论坛的版块，我们从首页获取，正则可以这样写：

上一个：php使用cur自动采集下载远程服务器图片方法
下一个：ajax保存值问题！