我的天

花费了好几个小时学习正则表达式（Regular Expression），简称regex。非常非常强大的一个程序员利器，在此，再次感谢SH童鞋的强迫性学习。在多种程序语言里正则都通用，用简单的符号却能组合出任何你需要的结果。看着那堆“\/#$&*^()_+|{}<>?=.”等实在会把人弄疯掉，再加上26个英文字母的大小写组合，宇宙就能编出来！这让我想起了大学时期老师教的文献检索，在说到英文数据库的时候就是这般*来?去的，但和相比，英文数据库的搜索方法只是个非常非常的简化版的正则，小儿科而已。

简单看了几个正则教程，最终觉得还是要自己打开个正则测试工具（如Windows下的Regex Tester）实操。

经过还不算太辛苦的挣扎，对TNA而言，我要提取的信息可以用以下正则实现：

(?<=href=”).*\.jpg.php

说明：“(?<=囧)”，定位在囧后；“href=””，一个字符串，也就相当于囧；“.*”，别以为“.”是连接符“*”是任意字符，恰恰相反，“.”代表除换行符以外的任意字符，“*”代表前面的东西，也就是除换行符以外的任意字符可以重复零次或更多次；“\.”，其实就代表了“.”，在正则里，“.”必须用“\”转义；“jpg.php”我的原意是一个字符串，但在正则里，看来“.”也不会被看作“.”，而代表一个除换行符以外的任意字符，也无伤大雅，毕竟我希望的“.”也在正则“.”包含的范围内。

除了用上面的“(?<=href=”).*\.jpg.php”以外，还能把正则改写为：

(?<=href=”).*\.jpg\.php /*把“.”全部正确转义，不打擦边球*/
(?<=href=”).*\b.jpg.php\b /*把“.jpg.php”看作一个单词，很自然地把其中的“.”一般字符化了，“\b”用于匹配单词的开始或结束*/

具体在YARK的正则是这般写的

preg_match_all('/(?< =href=").*\.jpg.php/', $data, $log);
囧囧囧囧
for($i=0;$i<count($log[0]);$i++) 
{  	
	<?php echo '囧'.$log[0][$i].'囧' ?>			
}

说明：由于我的正则表达式里只有一个未知数，也就是“.*”折腾出来的内容，所以，正则结果在新建的$log将是一个二维数组，具体内容将在[0][囧]里显示。如果，正则里有多个未知数，未知数就会分别出现在[0][囧0]、[1][囧1]、[2][囧2]等等里面了。得打一套“组合拳”才能把它们拼凑在一起。

正则搞定了，YARK的TNA瓶颈当然就没问题了啦！

******************* YARK专栏 *******************
2010-11-19
update
* 改进TNA功能，不再依赖页面提供的rss而是自编正则表达式，提取页面信息，再分析出图片地址
bug
* 暂无新发现
plan
* 留个门，对付任何规则资源（正则是强大的，就看你怎么用了）
******************* YARK专栏 *******************

自觉通过自学又提升一个矮矮的层次了。

发觉很有必要建立一个YARK的日志，记录其成长，因为自己每天都有新发现，每天都在改进，不一一记录下来实在可惜，这可是很重要的版本信息哦！

******************* YARK专栏 *******************
2010-11-17
update
* 合并WWE和TNA生成功能，其实就是简单地用选择语法把2个页面的功能合并起来，操作起来很简单。其实一个开始为什么会分开呢？因为我懒，直接“另存为”就开始修改编写了。
* 增加了几句自动说明，比如说什么都没有的时候提醒要输入；输入了完全不搭调东西的时候提醒错误。
bug
* 突然发现TNA的自动rss只输出了25组信息，可恶！昨晚太兴奋，只看到有信息输出，却没有留意数量，rss的数量肯定是可以由TNA自己控制的，所以如果我完全依赖自动rss输出会很被动。
plan
* 要不寻找XHTML转XML的，要不直接直接提取XHTML为己用，对TNA的这种网页，我只能动作更多更主动了。
* 很懒的TNA用的是ZenPhoto RSS Generator的系统贴图和生成图片的RSS，噢～～～ 开源的哦，可以研究一下ZenPhoto然后再作对策。
******************* YARK专栏 *******************

与天斗、与地斗都不如与人斗有趣。

昨天19977里有人提出图片区可否增加TNA的官图，其实如果TNA不是BT的话，贴与不贴只是个习惯的问题，但是TNA的图片很BT，右键还不能保存的那种。

首先Photo Galleries使用的是近似框架形式的大概js手段，按链接是看不到网址改变的，不过，我的癖好是“在新标签页中打开”，打开后，网址又见变化了。这是第一个手段，算是很一般。

然后，重头戏，TNA的图片全部采用.php保护，所有图片的格式都被强制变成了***.jpg.php，Firefox下右键还不能保存到图片，保护严密。还记得之前2次PPV都把我害得几近手抽筋。

TNA的图片页面很是邪恶，但它给出了订阅按钮，也就是说页面是标准rss化的。rss意味着什么？rss就意味着XML，而且它的rss还是全部输出的类型，一页的rss就能输出整个系列的全部内容。刚刚熟悉了XML的格式化和信息提取，再次让我碰上新朋友，无比的兴奋。经过不太折腾的尝试后，也居然把从前的大敌TNA的图片给扯下马来了。内牛满面。

再次炫耀一下（WWE + TNA）：http://xyark.serw5.com/

今天发现20101115RAW的某些页面居然无法输出，研究了一个晚上，SH最后终于得出结论！title信息里有个“&”，格式化XML时受阻，因为“&”这东西太敏感了，是不允许当作“and”的意思出现的，所以会出现输出中断。解决办法如下：

/*$data = str_replace(“\r\n\r\n\r\n\r\n\r\n\r\n\r\n\r\n\r\n\r\n\t\r\n\r\n\r\n\t\r\n\r\n\r\n\t\r\n\r\n\r\n\r\n< ?xml version=\”1.0\” encoding=\”UTF-8\”?>”, “< ?xml version=\”1.0\” encoding=\”UTF-8\”?>”, $data); 注：第一个版本的YARK是不是很笨，呵呵呵*/
$data = str_replace(“\r\n”, “”, $data);
$data = str_replace(“\t”, “”, $data);
$data = str_replace(“&”, “&amp;”, $data);
// $data = str_replace(“&”, “囧”, $data); 注：对付“&”的一个“好”方法，先囧来
$data = XML_unserialize($data);
// $data = str_replace(“囧”, “&”, $data); 注：对付“&”的一个“好”方法，再囧去

感觉自己处于见人杀人，见鬼抓鬼的状态。这就是激情了，不过正因为这些变态的激情，让我神经病了。昨晚凌晨1点多才上床睡觉，还兴奋得睡不着。今天，也已经不早了，我还在写。

Pasion make me crazy, good or not?

自从捏造了YARK以后，告别了photolist.txt和PHOTOLIST.xls感觉好极了。1230..0321童鞋更是把YARK发挥到了极致——【图片组】CM Punk 2009年图片【338P】（注册才能看的）。从前，要贴338简直是天方夜谭，手都软了，但现在，那不过是秒杀的活儿。

有了YARK后，发觉大家也爱上贴图了，呵呵，真好。

今天下午去做该死的稻谷检验，为什么说该死的呢？首先，我讨厌稻谷，其次，那些活压根不该我们做，第三，在灰尘环境我的手该怎么办？无奈之下戴上了一次性的医用乳胶手套，戴了3个小时，在扯掉的时候发现问题大了，里面的手汗已经淋漓，更恐怖的是手汗和手套里面的爽粉之类的东西混合在一起，弄出一团团的白小球，恶心，必须得洗手。但偏偏水压不稳，水突然变大，我保持了接近2个星期不沾水的伤口终于被很不干净的自来水污染了！没办法，只能把手印干，然后以最快速回去找我的碘伏。本来已经很讨厌那些稻谷了，现在，更逼我成这样，我更讨厌它！！！！终于明白医院护士为什么都是先戴一双塑料手套再戴乳胶手套了！

不知要弄多久才能把那6个该死的稻谷样品全指标干掉。

有大爱，也有大恨。

终于在SH的提醒和帮助下，在已经注册的几个国外免费空间里正常运行起YOU ALREADY KNOW THAT，我见简称YARK，按照首字母缩写应该是YAKT的，但误打误撞，变成YARK了，呵呵，YARK太短，所以注册的二级域名前加了我的戳“X”。正如YARK里的《h1》内容所标示：如果你是我的同伙，你会知道那空荡荡的网页是什么，怎么用；如果你想在这篇日志里直接找到答案，很对不起，在不跳转继续阅读某些链接的前提下，不可能。又或许，你真的很想知道，email我吧。至于我的联系方式，细心的你肯定already know that。

闪亮亮地放出一个YARK的地址：http://xyark.serw5.com/

很高兴地告诉大家，今天的YARK又实现了一个新的功能——直接把页面的title也输出了（并非各自的小title）！哇咔咔，如此一来，可以利用从RSS读到的地址完成某事，再也不用手动敲打某些代码了！

想变得懒惰欲望让我变得勤快。先花费一些时间制定规则，之后就可以拯救一些人的很多时间了。这就是程序的力量！！！！什么规范化管理，什么质量管理，如果你是个程序员，那些道理you already know that了。

说回YARK昨天没成功下海，原因是我完全是个PHP小白，所以碰得一头灰。通常，服务器基于安全考虑PHP的allow_url_fopen选项默认是OFF状态，免费空间通常都只会是OFF。而在PHP中需要使用file()[又或者file_get_contents()]函数获取其它站点的数据时，中招了，OFF状态就会出现一个“Warning: file() [function.file]: URL file-access is disabled in the server configuration in ***”的错误。幸好，我们还有第二招，cURL。在PHP程序里加入一段curl就能解决问题，但，这也是有前提是，curl是PHP的一个扩展库，所以，你的PHP系统的这个扩展功能必须处于enable状态，有些免费空间里curl是处于禁止状态的，那囧啊，不过确实存在，远在天边近在眼前的例子就是默认状态下的XAMPP。

也不管行不行了，把curl代码加进去试试再说，代码引用如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

< ?php
/*
* @return string
* @param string $url
* @desc Return string content from a remote file
* @author Luiz Miguel Axcar (lmaxcar@yahoo.com.br)
*/
 
function get_content($url)
{
	$ch = curl_init();
	curl_setopt ($ch, CURLOPT_URL, $url);
	curl_setopt ($ch, CURLOPT_HEADER, 0);
	ob_start();
	curl_exec ($ch);
	curl_close ($ch);
	$string = ob_get_contents();
	ob_end_clean();
	return $string;
}
 
#usage:
$content = get_content ("http://www.php.net");
var_dump ($content);
?>

实际应用时把http://example.com代替http://www.php.net作为数据输入，然后网址会经过function get_content($url)处理，进去的是一个网址，出来的是一个对网址所代表的网页信息进行处理后的字符串，也就是说，$content是一个包含所有网页信息的字符串，你喜欢怎么折腾就怎么折腾好了。至于那句“var_dump ($content);”是把$content的内容输出打印出来，你或许不会用到。不知为什么可以这么神奇，但就是这么神奇。PHP默认设置下不能实现的功能通过cURL就能实现，但实际上，最终效果是一样的。

再次感谢SH童鞋，也感谢那位写cURL挽救世人的巴西童鞋，是广大程序员让我感觉我是站在巨人肩膀上的。

也愿YARK能在它的用途上发光发亮。