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
搜索引擎核心技术(PHP编程思路) --[1]
PHP巧获服务器端信息
用PHP实现标准的IP Whois查询
利用Yahoo! Search API开发自已的搜索引擎-php版
用php实现gb2312和unicode间的编码转换
用php发送带附件的Email
解决RHAS3中Apache2的PHP上传文件大小的限制
PHP和JAVA的XML-RPC中文问题解决办法
令你的网站获得任意Google PR值的方法
PHP应用分页显示制作详细讲解
使用php通过Socket进行发信源码,支持发信认证
Smarty实例教学 实例篇
用ActivePHP打造版本管理系统
Linux下安装GD
Apache2的httpd.conf翻译
PHP5的XML新特性
PHP5对象体系
Mysql 4.1 Windows 下升级问题
建立灵巧结构的PHP程序
PHP入门速成(3)

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: 186 ::
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]);
}
?>