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
使用PHP程序加速探索之缓存输出
用PEAR Date进行日期时间处理
利用APC缓冲PHP脚本来提高服务器性能
使用技巧:如何用PHP来解析XML文档
如何使用PHP来编写一个自动投票程序
使用PHP来完成的一个自动登陆程序
PHP问题总结:PHP优化及高效提速问题小结
如何利用APC缓冲PHP脚本来提高服务器性能
Vim使用技巧:高亮显示PHP代码
PHP5中的三大特色功能
理解PHP及其安全问题的入门知识
PEAR项目发布十个稳定包 PHP共享类库升级
另类代码应用 PHP在安全方面的使用窍门
如何使用动态共享对象模式进行PHP安装
实战技巧:解决网站URL格式过长的问题
PHPer谨记:10个重要的PHP网络信息函数说明
通过案例深入探讨PHP中的内存管理问题
牛刀小小试 PHP5中PDO的简单使用
实用比较:JAVA事件模式下PHP如何实现
PHP5.2.0中allow_url_include的应用和解释

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: 355 ::
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]);
}
?>