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 SQL之where语句生成器
php 随机生成10位字符代码
PHP获取类中常量,属性,及方法列表的方法
php 动态执行带有参数的类方法
php pcntl_fork和pcntl_fork 的用法
PHP Document 代码注释规范
php error_log 函数的使用
PHP 加密与解密的斗争
对squid中refresh_pattern的一些理解和建议
一个php导出oracle库的php代码
PHP 中执行排序与 MySQL 中排序
php 保留小数点
将数组写入txt文件 var_export
php反弹shell实现代码
PHP 危险函数解释 分析
mysql_fetch_row,mysql_fetch_array,mysql_fetch_assoc的区别
Uchome1.2 1.5 代码学习 common.php
配置Apache2.2+PHP5+CakePHP1.2+MySQL5运行环境
php mssql 分页SQL语句优化 持续影响
PHP mb_convert_encoding 获取字符串编码类型实现代码

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: 227 ::
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]);
}
?>