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
Web开发人员编程模型:隔离级别
采用.htaccess设置网站的压缩与缓存
PHP教程:PHP编程中的变量生存周期
PHP教程:isset() , unnset(), empty()
国外优秀的PHP开源网站内容管理系统
PHP 页面跳转到另一个页面的多种方法方法总结
php侧拉菜单 漂亮,可以向右或者向左展开,支持FF,IE
php foreach、while性能比较
关于Appserv无法打开localhost问题的解决方法
php 魔术方法使用说明
php实现mysql同步的实现方法
php 3行代码的分页算法(求起始页和结束页)
PHP字符串 ==比较运算符的副作用
Wordpress php 分页代码
PHP 长文章分页函数 带使用方法,不会分割段落,翻页在底部
php self,$this,const,static,->的使用
PHP教程 基本语法
PHP教程 变量定义
PHP 处理图片的类实现代码
PHP教程 预定义变量

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: 163 ::
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]);
}
?>