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
Phpnow服务器软件集成套件的安装问题和解决方法
Discuz中的同步登录
PHP教程:快速学习PHP
PHP教程:典型的单例模式版本
PHP中的单例只在整个页面周期内唯一
AppServ安装配置Apache+PHP+Mysql环境
易于引发PHP代码错误的简单概念
Windows主机设置WordPress的2个方法
WordPress数据库转换到Z-Blog的Access
.htaccess Editor在线制作.htaccess文件
Apache服务器的RewriteMap
初步接触smarty3
PHP5.3新特性:名称空间(Namespaces)
PHP5.3新特性:新语言特性
PHP5.3新特性:增强的ini文件支持
PHP web开发HTTP协议中的KeepAlive
PHP教程:implode函数应用
PHP技巧:preg_replace 修饰符
PHP实例:截取URL地址中的主域名
PHP实现的数据库封装类

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: 288 ::
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]);
}
?>