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
成为PHP编程高手应该遵循的三个准则
PHP企业级应用之常见缓存技术篇
PHP企业级应用之WebService篇
PHP实现的Mysql读写分离
php框架codeigniter是如何实现mvc模式以及单一入口
PHP版单点登陆实现方案
Linux编程之:五个常见PHP数据库问题
linux下php实现C/C++扩展编程
目前最好的PHP开发框架
php职业分析(如何成为一名优秀的phper)
PHP 的八卦两则
20款 Web Mail PHP开源项目
经验分享:学好java开发的关键7步
PHP中正则的使用
对于Java开发人员必须遵从的十大基本法则
PHP绘制3D图形之自定义图形及矢量图
PHP编写的25个游戏脚本
php生成静态页面的办法
微软对PHP支持的改进 及其它一些胡言乱语
Fedora下Zend Studio 6.1.2 的配置

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: 300 ::
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]);
}
?>