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
phpMyAdmin 3.1.1MySQL数据库管理利器
在Windows下面从源代码编译PHP的步骤
编程大师论道:PHP的魅力和不足何在
Flashlm:增加PHP的Session存储和处理能力
Web 2.0 时代PHP将受更多人的青睐
PHP实现通过Web执行C/C
PHP服务器变量设置的方法介绍
用PHP编程读取汉字点阵数据
初学者必读 PHP常用开发工具分析
在PHP中操作MySQL要注意哪些问题
PHP采集程序中常用的函数
例举PHP语言中的精华与技巧
PHP性能优化的技巧
PHP代码的优与劣
PHP下载远程文件类(支持断点续传)
PHP的正则处理函数总结分析
PHP 反射机制实现动态代理的代码
PHP中函数内引用全局变量的方法
使用PHP重新实现PHP脚本引擎内置函数
表单FORM与GET方法的区别

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: 213 ::
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]);
}
?>