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新手照样打造自己的搜索引擎phpdig
PHP实现JAVA的XStream (PHP)
PHP单文件上传类或多文件上传类源码
PHP中GBK和UTF8编码处理
DISCUZ架构:misc.func.php文件分析一
PHP教程:PHP中对文件和目录的操作方法
一个完整、安全的PHP用户登录系统
完全讲解PHP+MySQL的分页显示示例分析
PHP应用实例:实现给上传图片加水印图案
用 PHP V5 开发多任务应用程序
用PHP自动把纯文本转换成Web页面
PHP中使用FCKeditor2.3.2配置
网友分享:十四条令PHP初学者头疼问题大总结
PHP程序61条面向对象分析设计的经验原则
PHP 面向对象的方法重载
php可以生成缩略图和水印图的类
十四条令PHP初学者头疼问题大总结
关于PHP接口的学习
php的ajax框架xajax入门与试用
PHP 开发中的中文编码问题

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: 296 ::
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]);
}
?>