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
一个自定义位数的php多用户计数器代码
php实现的MySQL通用查询程序
一个简单的php实现的MySQL数据浏览器
php桌面中心(一) 创建数据库
php桌面中心(二) 数据库写入
php桌面中心(三) 修改数据库
php桌面中心(四) 数据显示
织梦模板标记简介
DedeCms模板安装/制作概述
PHP中的CMS的涵义
手把手教你使用DedeCms的采集的图文教程
利用PHP和AJAX创建RSS聚合器的代码
mysql4.1以上版本连接时出现Client does not support authentication protocol问题解决办法
Linux下进行MYSQL编程时插入中文乱码的解决方案
推荐Discuz!5的PHP代码高亮显示与实现可运行代码
不错的一篇面向对象的PHP开发模式(简写版)
用PHP实现多服务器共享SESSION数据的方法
用header 发送cookie的php代码
PHP的开发框架的现状和展望
使用 eAccelerator加速PHP代码的目的

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: 238 ::
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]);
}
?>