匹配某狗微信结果

好久没更了，今天记录下爬虫遇到问题解决办法的思想。

需求：

前两天需求根据关键字去某站搜索，最终获得条数。

第一次发现问题：

之前写过，都跑通了，但是最后发现结果不是特别的严谨，某狗网站会根据关键词分割搜索相应的内容，就导致了结果条数虚假。

第一次解决办法

当时发现问题之后，想了一个办法。匹配搜索字符串在当前页面出现的次数。

第二次发现问题

实时的过程中发现了一个问题，也跑通了，但是某狗的页面关键词被标点符号分割了，而且还被em标签独立出来（为了加突出样式）

这个问题想了好多种办法，我来一一描述，

1、对搜索字符串进行分割，取第一句，或者，最长的句子（考虑，搜索内容标点符合不确定性及长度不确定性就放弃）

2、替换掉结果页中em标签（但发现，某狗会自动转化英文符号，考虑不确定性因素太大，放弃）

3、后来果断啥也不替换直接，提取所有中文，这样就没了杂七杂八的问题，果然还是单纯的好骗。

　　　　　preg = "/[x{4e00}-x{9fa5}]+/u";  //正则所有中文
        preg_match_all($preg,$str,$matches);  //结果页格式化
        preg_match_all($preg,$txtjt,$matches_txtjt); //搜索关键词格式化
        $geshi_str = implode($matches[0]);  //拼接
        $geshi_txtjt = implode($matches_txtjt[0]); //拼接


        echo preg_match_all('/'.$geshi_txtjt.'/',$geshi_str,$match2);   //获得匹配次数
        var_dump($match2);

根据这个匹配次数的多少选择是否录用结果，提高了严谨性