php 文章采集正则代码

PHP 2018-12-30

<div class="codetitle"><a style="CURSOR: pointer" data="82276" class="copybut" id="copybut82276" onclick="doCopy('code82276')"> 代码如下:

<div class="codebody" id="code82276">
//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

获取标题和地址
preg_match_all ("/

<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("/

[\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]);
}
?>

文章采集

如何选择合适的 C++ Web 开发框架？

利用 C++ 框架构建高并发 Web 应用的策略

用 C++ 框架开发跨平台图形应用程序

golang框架中安全编码实践的最佳指南是什么？

golang框架与其他语言框架在设计理念上的区别有哪些？

C++ 图形框架与其他语言框架的比较

php 文章采集正则代码

相关文章