当前位置: 首页 > 图文教程 > 网络编程 > PHP > php 文章采集正则代码

PHP
php简单的分页程序
加强版phplib的DB类
PHP 数字左侧自动补0
mysql+php分页类(已测)
php读取30天之内的根据算法排序的代码
在php MYSQL中插入当前时间
用php获取远程图片并把它保存到本地的代码
生成php程序的php代码
在PHP中读取和写入WORD文档的代码
用来给图片加水印的PHP类
php md5下16位和32位的实现代码
php出现Cannot modify header information问题的解决方法大全
PHP提取中文首字母
php Ajax乱码
php时间不正确的解决方法
php的access操作类
如何在PHP程序中防止盗链
PHP中的extract的作用分析
PHP中用header图片地址 简单隐藏图片源地址
PHP防注入安全代码

PHP 中的 php 文章采集正则代码


出处:互联网   整理: 软晨网(RuanChen.com)   发布: 2010-01-10   浏览: 275 ::
收藏到网摘: n/a

php 文章采集代码主要是应用了正则表达式。
复制代码 代码如下:

//采集html
function getwebcontent($url){
$ch = curl_init();
$timeout = 10;
curl_setopt($ch, CURLOPT_URL, $url);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
curl_setopt($ch, CURLOPT_CONNECTTIMEOUT, $timeout);
curl_setopt ($ch, CURLOPT_FOLLOWLOCATION, 1);
$contents = trim(curl_exec($ch));
curl_close($ch);
return $contents;
}

//获得标题和url
$string =
getwebcontent('http://www.***.com/learn/zhunbeihuaiyun/jijibeiyun/2');
//正则匹配<li>获取标题和地址
preg_match_all ("/<li><a href=\"\/learn\/article\/(.*)\">(.*)<\/a>/",$string, $out, PREG_SET_ORDER);
foreach($out as $key => $value){
$article['title'][] = $out[$key][2];
$article['link'][] = "http://www.***.com/learn/article/".$out[$key][1];
}
//根据url获取文章内容
foreach($article['link'] as $key=>$value){
$content_html = getwebcontent($article['link'][$key]);
preg_match("/<div id=pagenum_0(.*)>[\s|\S]*?<\/div>/",$content_html,$matches);
$article[content][$key] = $matches[0];
}
//不转码还真不能保存成文件
foreach($article[title] as $key=>$value){
$article[title][$key] = iconv('utf-8', 'gbk', $value);//转码
}
//存入文件
$num = count($article['title']);
for($i=0; $i<$num; $i++){
file_put_contents("{$article[title][$i]}.txt", $article['content'][$i]);
}
?>