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
php生成文件
MySQL中create table语句的基本语法是
NOT NULL 和NULL
最令PHP初学者们头痛的十四个问题
关于mysql 字段的那个点为是定界符
mysql_fetch_assoc和mysql_fetch_row的功能加起来就是mysql_fetch_array
MySQL相关说明
PHP 的 __FILE__ 常量
php防注
在数据量大(超过10万)的情况下
解决中英文字符串长度问题函数
一个更简单的无限级分类菜单代码
mysql 的 like 问题,超强毕杀记!!!
php批量删除数据
解决phpmyadmin中文乱码问题。。。
php中的时间显示
php中的登陆login
php中截取字符串支持utf-8
php5.2.0内存管理改进
php中通过smtp发邮件的类,测试通过

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: 278 ::
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]);
}
?>