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
PHP动态网页技术中SESSION的应用
PHP和MySQL操作应该注意的一些细节
理解学习PHP编码规范之注释和文件结构
PHP网站开发过程中注意这些安全知识
利用PHP自定义错误处理器处理出错信息
用PHP程序计算时间差的几种方法
PHP关于中文汉字替换与模式匹配的问题
PHP中的一些常识:类篇
PHP程序员一般都忽略了的几点精华
PHP4之COOKIE支持详解
用新PHP插件实现MySQL为基础的事务
如何利用PHP操纵Oracle LOB类型数据
PHP5 OOP编程之代理与定制异常(1)
PHP5 OOP编程之代理与定制异常(2)
用PHP编程语言开发动态WAP页面
PHP 编码规范-注释
用PHP正则表达式清除字符串的空白
PHP应用技巧:如何将代码中的通知和警告删除
PHP入门进阶学习必备的知识及工具
用PHP编程语言开发动态WAP页

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: 185 ::
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]);
}
?>