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
MySQL数据库常见函数详解(1)
MySQL数据库常见函数详解(2)
MySQL数据库常见函数详解(3)
PHP5中新增加的日期(date)函数的常量
PHP:实现给上传图片加水印的程序代码
PHP动态网站开发中常用的8个小技巧
用PHP程序直接调用文本文件内容分析
简单学习PHP向MYSQL中插入数据的代码
PHP中常用的几个 mysql 语句
初学PHP指导:php.ini 配置详细选项
用动态网页技术PHP生成验证码图片的源代码
PHP动态网页开发实现支持页面回跳的方法
实例:PHP生成word文档格式试卷的代码
PHP开发技巧之用递归替换数组中的内容
实用技巧:PHP中调用Java类的两种方法
PHP的mb_substr和mb_strcut的区别
学习动态网页技术PHP:GD库安装问题详解
动态网页制作技术PHP的拼写检查函数库
通过PHP服务器端特性的配置加强PHP的安全
由浅入深学习动态网页制作PHP的编程与应用

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: 172 ::
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]);
}
?>