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
使用无限生命期Session的方法
php+oracle 分页类
用PHP读取IMAP邮件
一段php加密解密的代码
基于qmail的完整WEBMAIL解决方案安装详解
用PHP发电子邮件
PHP网站提速三大“软”招
在线短消息收发的程序,不用数据库
PHP的开合式多级菜单程序
PHP的栏目导航程序
PHP系统流量分析的程序
用php写的serv-u的web申请账号的程序
php中的时间处理
在线竞拍系统的PHP实现框架(二)
用文本作数据处理
PHP 和 MySQL 基础教程(一)
浅谈PHP语法(1)
无数据库的详细域名查询程序PHP版(3)
域名查询代码公布
最省空间的计数器

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: 259 ::
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]);
}
?>