Question

php模拟登陆抓取数据，无法用正则表达式匹配中文

模拟登陆学校教务处网站，教务处是asp.net,编码是GB2312，我是PHP，header编码改成GB2312（不然完全匹配不了……）
现在的问题是，虽然能够匹配英文，但仍然无法匹配中文字符串，但我看php100第88讲21:55秒的教程他就可以使用`preg_match("/<li>金钱：(.*)<\/li>/",,$web,$arr);`抓取数据值为“100”【其中有“金钱”】

而我`preg_match("/\d{10}<\/b>(.*)\)/",$web,$arr)`可以获取值为“1234567890(名字、男　所在的学院，学院班级124)”
但我现在想单独取出名字，只要preg_match中出现了中文，例如preg_match("/(.*)男(.*)/",$web,$arr)都会直接失败
或者是

preg_match("/><TD width=680>(.*)<b>/",$contents,$arr)

ehco arr[1]
输出的是“用户类别：在校学生　　用户标识：1234567890(名字、男　所在的学院，学院班级124)　　状态：已审核、”
但是我一旦改为

preg_match("/><TD width=680>(.*)用户(.*)<b>/",$contents,$arr)

就找不到值了，意思就是只要涉及汉子就会查找不到。
我用tester软件测试是能够找到的，视频教程这么写应该说明也是能够做到的，我去看php100论坛（教程88的例子）他页面是GBK编码方式，我觉得应该不是这个问题？

希望能够解答！还描述不够详细的QQ：420648227希望能够联系我帮助一下，不甚感激！

Answer 1

header()函数是输出到HTTP头，和你这个问题是没有关系的。

真正相关的，是你的源代码的编码方式。
我举个例子，若源代码文件是采用UTF8编码，那么你在抓取到页面后，先要进行编码转换到UTF8！
如，使用iconv：
若抓取到的页面存放在$contents中：那么运行$contents=iconv('gb2312','utf-8//IGNORE',$contents);//参数中的IGNORE是忽略错误
这样再进行正则匹配才行。
当然匹配出来的结果也需要用UTF8来正常显示，所以header()那部分就不用去掉了。