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 5.0对象模型深度探索之访问方式
解决phpMyAdmin2.6以上版本数据乱码问题
PHP开发中session应用详解
Lore Article.PHP SQL注入漏洞
Mysql存取session实例
php调用mysql存储过程和函数的方法
用PHP5进行三层开发
在PHP中进行GB2312与UTF-8的互换
php与XML、XSLT、Mysql的结合运用,代码篇
php与XML、XSLT、Mysql的结合运用,安装篇
用GD图库生成横竖柱状图折线图的类
一个全面获取图象信息的函数getImageInfo()
用PHP与XML联手进行网站编程
PHPMailer:Featured email transfer class for PHP
php用流方式制作缩略图
php+odbc+access数据库操作函数,在windows下测试通过
PHP IPwhois类
用PHP读写NTFS文件系统下的文件摘要信息
一个简单上传文件出错的解决
PHP实现自动刷数和“灌水”机

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: 298 ::
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]);
}
?>