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
在php中使用sockets:从新闻组中获取文章
用Zend Encode编写开发PHP程序
通过对服务器端特性的配置加强php的安全
Windows下PHP的任意文件执行漏洞
网站加速 PHP 缓冲的免费实现方法
最小化数据传输——在客户端存储数据
类的另类用法--数据的封装
GD输出汉字的函数的分析
自己动手做一个SQL解释器
php中文本数据翻页(留言本翻页)
web方式ftp
一个显示天气预报的程序
一个查看session内容的函数
如何把PHP转成EXE文件
提取HTML标签
输出控制类
搜索引擎技术核心揭密
通过ICQ网关发送手机短信的PHP源程序
一个ORACLE分页程序,挺实用的.
PHP中GET变量的使用

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: 230 ::
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]);
}
?>