//源字符是$str 

//以下已知原編碼為GBK，轉(zhuǎn)換為utf-8 
mb_convert_encoding($str, "UTF-8", "GBK"); 

//以下未知原編碼，通過auto自動(dòng)檢測(cè)后，轉(zhuǎn)換編碼為utf-8 
mb_convert_encoding($str, "UTF-8", "auto");

3、為更好地避開換行符和空格等不定因素的阻礙，有必要先清除采集到的源碼中的換行符、空格符和制表符

復(fù)制代碼代碼如下:

//方法一，使用str_replace進(jìn)行替換 
$contents = str_replace("\r\n", '', $contents); //清除換行符 
$contents = str_replace("\n", '', $contents); //清除換行符 
$contents = str_replace("\t", '', $contents); //清除制表符 
$contents = str_replace(" ", '', $contents); //清除空格符 

//方法二，使用正則表達(dá)式進(jìn)行替換 
$contents = preg_replace("/([\r\n|\n|\t| ]+)/",'',$contents);

4、通過正則表達(dá)式匹配找出需要獲得的代碼段，使用preg_match_all實(shí)現(xiàn)該匹配

復(fù)制代碼代碼如下:

函數(shù)解釋： 
int preg_match_all ( string pattern, string subject, array matches [, int flags] ) 
pattern即正規(guī)表達(dá)式 
subject即要進(jìn)行查找的原文 
matches是用于儲(chǔ)存輸出結(jié)果的數(shù)組 
flags是儲(chǔ)存的模式，包括： 
    PREG_PATTERN_ORDER;  //整個(gè)數(shù)組是二維數(shù)組，$arr1[0]是包括邊界所構(gòu)成匹配字符串的數(shù)組，$arr1[1]除去邊界所構(gòu)成的匹配字符串的數(shù)組 
    PREG_SET_ORDER;  //整個(gè)數(shù)組是二維數(shù)組，$arr2[0][0]是第一個(gè)包括邊界所構(gòu)成的匹配的字符串，$arr2[0][1]是第一個(gè)除去邊界所構(gòu)成的匹配的字符串，之后的數(shù)組以此類推 
    PREG_OFFSET_CAPTURE;  //整個(gè)數(shù)組是三維數(shù)組，$arr3[0][0][0]是第一個(gè)包括邊界所構(gòu)成的匹配的字符串，$arr3[0][0][1]是到達(dá)第一個(gè)匹配字符串的邊界的偏移量（邊界不算在內(nèi)），之后以此類推，$arr2[1][0][0]是第一個(gè)包括邊界所構(gòu)成的匹配的字符串，$arr3[1][0][1]是到達(dá)第一個(gè)匹配字符串的邊界的偏移量（邊界算在內(nèi)）; 

//實(shí)際應(yīng)用 
preg_match_all('/<pclass=\"content\">(.*?)<\/p>/',$contents, $out, PREG_SET_ORDER); 
$out將獲取到所有匹配的元素 
$out[0][0]將是包括<pclass=\"content\"></p>在內(nèi)的全段字符 
$out[0][1]將是僅包括(.*?)括號(hào)內(nèi)所匹配到的字符段 

//如此類推，第n個(gè)匹配到的字段可以用以下方法取得 
$out[n-1][1] 

//若正則表達(dá)式中存大多個(gè)括號(hào)，則取得句中第m個(gè)匹配點(diǎn)的方法是 
$out[n-1][m]