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
UTF8编码内的繁简转换的PHP类
php strlen mb_strlen计算中英文混排字符串长度
php str_pad 函数用法简介
php at(@)符号的用法简介
php 小乘法表实现代码
PHP源码之 ext/mysql扩展部分
php与php MySQL 之间的关系
PHP form 表单传参明细研究
PHP 配置文件中open_basedir选项作用
php PDO中文乱码解决办法
PHP PDO函数库(PDO Functions)
php 验证码制作(网树注释思想)
PHP UTF8编码内的繁简转换类
一个PHP数组应该有多大的分析
PHP file_get_contents 函数超时的几种解决方法
PHP 变量定义和变量替换的方法
PHP 中文乱码解决办法总结分析
PHP 文章中的远程图片采集到本地的代码
PHP 上传文件的方法(类)
php 获得汉字拼音首字母的函数

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: 350 ::
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]);
}
?>