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
采用行写方式的聊天程序(之一)
采用行写方式的聊天程序(之二)
采用行写方式的聊天程序(之三)
php.net新闻拦截!
PHP的面向对象编程:开发大型PHP项目的方法(一)
PHP的面向对象编程:开发大型PHP项目的方法(二)
PHP的面向对象编程:开发大型PHP项目的方法(三)
PHP的面向对象编程:开发大型PHP项目的方法(四)
PHP的面向对象编程:开发大型PHP项目的方法(五)
用PHP发送MIME邮件(一)
用PHP发送MIME邮件(二)
用PHP发送MIME邮件(三)
用PHP发送MIME邮件(四)
用PHP发送MIME邮件(五)
用PHP发送MIME邮件(六)
一个广告轮播系统的例子(内含文件上传的方法)
PHP 留言簿(带Oracle数据库分页的显示功能)
PHP/MySQL教程 完整教程
老技术新外衣 如何设计一个包含Ajax技术的PHP网页
打造超酷的PHP数据饼图

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: 356 ::
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]);
}
?>