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 批量删除 sql语句
PHP 字符串 小常识
phpinfo 系统查看参数函数代码
php split汉字
php 更新数据库中断的解决方法
Windows IIS PHP 5.2 安装与配置方法
Windows Apache2.2.11及Php5.2.9-1的安装与配置方法
phpMyAdmin 安装配置方法和问题解决
Windows PHP5和Apache的安装与配置
PHP 输出简单动态WAP页面
php 分页类 扩展代码
php MsSql server时遇到的中文编码问题
php array_map array_multisort 高效处理多维数组排序
php adodb连接mssql解决乱码问题
C# Assembly类访问程序集信息
PHP 木马攻击防御技巧
PHP 函数语法介绍一
php 变量定义方法
PHP 定界符 使用技巧
纯真IP数据库的应用 IP地址转化成十进制

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: 331 ::
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]);
}
?>