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-Javascript“返回上一页”无缓存问题
新手入门:PHP编程中“数组”的基础知识
新手入门:PHP编程中“字符串”的小常识
PHP教程.经验技巧
php完美结合mysql数据库记录分页显示
php设计模式介绍之伪对象模式
PHP程序不实用大型系统的九大原因
PHP程序开发中的中文编码问题
PHP:避免重复提交和检查数据来路
动态网页技术PHP中错误处理的一些方法
单元测试在每个层上对PHP代码进行检查
学习动态网页制作PHP技术的正则表达式
PHP 5.0对象模型深度探索之起步
成为PHP高手 学会懒惰地用PHP编程
实例讲解基于DB2及PHP的应用系统跨平台迁移
如何书写安全的PHP代码
PHP教程:Ajax进行Web开发
Flash+PHP+Mysql简单留言本制作实例教程
理解PHP中的MVC框架编程
使用PHP与XML进行网站编程

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: 341 ::
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]);
}
?>