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
用PHP构建一个留言本
用PHP实现通过Web执行C/C++程序
PHP百行代码快速构建简易聊天室
FC4下安装plog快速指南(plog版本:1.01)
一个简单的PHP投票程序
采用行写方式的聊天程序(之四)
PHP对象编程实现3D饼图
可以文本显示的公告栏
采用行写方式的聊天程序(之五)
一个可分页的基于文本的PHP留言板
PHP用户认证及管理完全源码
初学者的留言簿
一个很简单的PHP的后端脚本,能够从(某个网中)得到最新新闻。
是一个设计将LinuxFreak.org新闻标题放置到你的网站的PHP脚本程序。
如何用php作线形图的函数
简单用户注册程序
一个浏览器检查类
用PHP+MYSQL实现论坛里的分级+分页显示
判断ICQ是否在线的代码
PHP的FDF文档支持

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: 174 ::
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]);
}
?>