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入门指导:如何学习PHP?
PHP环境配置IIS5.0+PHP5.23+MYSQL5+phpMyAdmin
PHP学习入门的一些基础知识(菜鸟必看)
详解用phpmyadmin建立MYSQL数据库的过程
PHP简单演示如何使用模板制作静态页面
PHP程序员都应该会用的五个工具
php+fastcgi遭遇No input file specified.错误
PHP开发者都应该知道10个项目
Apache设置PHP环境方法
安全问题:编写安全的PHP代码
PHP初学:发散思维学习PHP
Windows XP下PHP+MySQL环境搭建
PHP和IIS 7.0的FastCGI模块
httpd.conf设置一个IP两个域名的方法
PHP基础:认识PHP
隐蔽木马,插入到PHP文件中
PHP实例:避免重复提交和检查数据来路
php教程:php设计模式之前言
php教程:php设计模式之编程惯用法
php教程:php设计模式介绍之值对象模式

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: 303 ::
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]);
}
?>