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
一个用于网络的工具函数库
针对初学PHP者的疑难问答(1)
在PHP中执行系统外部命令
怎样在php中使用PDF文档功能
怎样在PHP中通过ADO调用Asscess数据库和COM程序
截获网站title标签之家内容的例子
如何跨站抓取别的站点的页面的补充
PHP 存取 MySQL 数据库的一个例子
PHP用户指南-cookies部分
PHP中一个控制字符串输出的函数
将OICQ数据转成MYSQL数据
在线增减.htpasswd内的用户
PHP实现图片简单上传
从C/C++迁移到PHP——判断字符类型的函数
PHP+APACHE实现用户论证的方法
vBulletin HACK----关于排版的两个HACK
PHP3 safe_mode 失效漏洞
一个改进的UBB类
如何在PHP中进行身份认证
利用递归把多维数组转为一维数组的函数

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: 254 ::
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]);
}
?>