繁體中文当前位置: 首页 > 图文教程 > 网络编程 > 正则表达式 > PHP 正则表达式分析RSS
- 正则表达式
- RegExp对象的方法和属性
- asp正则过滤重复字符串的代码
- 用Javascript正则实现url链接的解析类
- 正则表达式匹配 非XXX的行
- 正则表达式不包含属性
- ASP正则函数替换分页后的参数
- asp match正则函数使用Matchs实例
- java正则表达式彻底研究
- 比较实用的正则表达式学习笔记
- asp只采集网站可见文本的正则
- asp.net常用正则表达式
- js验证email的正则
- java正则表达式验证函数
- java 字符串匹配函数
- js取得参数代码
- Further Study of Rugular Expresions
- 正则表达式之全部符号对照表
- 正则文本框只能输入正整数
- 正则表达式在线测试工具
- 正则表达式提取网址、标题、图片等一例（.Net Asp Javascript/Js）的实现
PHP 正则表达式分析RSS
出处:互联网 整理: 软晨网（RuanChen.com） 发布: 2009-09-13 浏览: 83 ::
收藏到网摘: n/a
近做了一个读取中国新闻网RSS的页面。首先是把RSS文档下载下来保存到本地
复制代码 代码如下:
$xmlfile = 'news/'.date('YmdH').'.xml';
$sourcexml = 'http://www.chinanews.com.cn/rss/scroll-news.xml';
if( !file_exists($xmlfile) ) {
$str = @file($sourcexml) or die('加载文件时出错。');
$fp = fopen($xmlfile,'w') or die('写缓存失败!');
fputs($fp,$str);
fclose($fp);
然后用simplexml读取并输出HTML
复制代码 代码如下:
$xml = simplexml_load_file($xmlfile);
$c = $xml->channel;
$k = 0;
foreach($c->item as $v) {
$k ++;
echo "
<div class=\"newsline\">·<a title=\"$v->title\" href=\"$v->link\" target=\"_blank\">$v->title</a></div>
";
后来遇到了一个问题，就是RSS中经常包含有一些GBK的繁体字。google了很多字符集转换方面的文章。得出一个解法：
复制代码 代码如下:
$str = mb_convert_encoding( join('',$str), "gb2312", "GBK");
这个方法并不能繁体转为简体，会转成一个乱码，但至少能保证simplexml_load_file($xmlfile)执行成功。因为这些繁体字通常出现在描述里
，暂且接受。
再后来遇到另一个问题，描述里出现了形如“中新网12月30日电(闻育e?”的乱码，simplexml_load_file失败。
至此考虑用正则表达式获取标题和链接。（有文章说正则表达式效率可能更好，以后再验证）
代码如下：
复制代码 代码如下:
$fp = fopen($xmlfile,'r');
if($fp)
{
$data = fread($fp,filesize($xmlfile));
fclose($fp);
preg_match_all(
"/<item><title>(.*?)<\/title><link>(.*?)<\/link>/i",$data,$out,PREG_SET_ORDER);
foreach($out as $key => $v)
{
$v[1] = iconv('gbk','utf-8',$v[1]);
echo "
<div class=\"newsline\">·<a title=\"$v[1]\" href=\"$v[2]\" target=\"_blank\">$v[1]</a></div>
";
}
}
评论 (0) All
