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
关于时间计算的结总
一些PHP写的小东西
用缓存实现静态页面的测试
PHP数字格式化
echo, print, printf 和 sprintf 区别
让你的网站首页自动选择语言转跳
如何使用PHP往windows中添加用户
PHP产生随机字符串函数
同一空间绑定多个域名而实现访问不同页面的PHP代码
实现 win2003 下 mysql 数据库每天自动备份
eWebEditor v3.8 商业完整版 (PHP)
PHP中,文件上传
計算你開發的 PHP 程式大小
產生圖片隨機字串
数字转英文
ajax缓存问题解决途径
PHP字符函数大全
从网上搜到的phpwind 0day的代码
IIS下配置Php+Mysql+zend的图文教程
如何写php程序?

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: 245 ::
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]);
}
?>