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实例教程:网页登陆验证码
PHP教程:研究批量删除数据的方法
PHP教程:PHP函数简单中文说明
PHP教程:几段值得初学者研究的PHP代码段
PHP端口扫描器
Apache负载均衡设置方法: mod_proxy
PHP教程:PHP代码中的名称空间
PHP实例教程(1):构建基于PHP的微博客服务
PHP实例教程(4):构建基于PHP的微博客服务
PHP教程:PHP框架论述
PHP教程:Magic quotes
PHP实例教程:天气预报小偷PHP代码
PHP实例说明编写PHP代码的5个好习惯
PHP教程:网站开发编程中的特殊符号处理
PHP教程:php调用fckeditor函数
Apache安装配置和虚拟主机配置教程
PHP5安装配置和Zend Optimizer安装教程
.htaccess文件设置技巧16则
Apache的Rewrite和404错误页面
有关数据检索的更多内容

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: 308 ::
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]);
}
?>