php 文章采集正则代码
作者:bea
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,
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]);
}
?>
有用 | 无用
猜你喜欢
您可能感兴趣的文章:
- 用PHP查询搜索引擎排名位置的代码
- PHP 批量更新网页内容实现代码
- PHP 将图片按创建时间进行分类存储的实现代码
- PHP 采集获取指定网址的内容
- php 无极分类(递归)实现代码
- php 文件上传代码(限制jpg文件)
- php下将XML转换为数组
- PHP 巧用数组降低程序的时间复杂度
- 使用PHP获取网络文件的实现代码
- php中计算时间差的几种方法
- php 操作excel文件的方法小结
- PHP编程过程中需要了解的this,self,parent的区别
- php 学习笔记
- 用php实现让页面只能被百度gogole蜘蛛访问的方法
- PHP类的使用 实例代码讲解
- php 多线程上下文中安全写文件实现代码
- PHP 获取目录下的图片并随机显示的代码
- phpMyAdmin链接MySql错误 个人解决方案
- php 需要掌握的东西 不做浮躁的人