文章收罗正则代码,收集作品代码

作者: 金沙澳门官网  发布:2019-09-28

<?php
//满含PHP Simple html Dom 类库文件
include_once('./simplehtmldom/simple_html_dom.php');
//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;
}

复制代码 代码如下:

//得到标题和url
$string =
getwebcontent('');
//正则相配<li>获取标题和地点
preg_match_all ("/<li><a href="/learn/article/(.*)">(.*)</a>/",
$string, $out, PREG_SET_ORDER);
foreach($out as $key => $value){
$article['title'][] = $out[$key][2];
$article['link'][] = "];
}
//依据url获取作品内容
foreach($article['link'] as $key=>$value){
$html = file_get_html($value);
$div = $html->find('div[id=pagenum_0]');
$article[content][] = $div[0]->innertext;
}
//标题转码---真正用的时候不用那步--因为我本来就要用utf8的
//不转码还真不可能保留成文件
foreach($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]);
}
/*当然想12点事头阵的。。但小看一下都3点半了。。。 固然今天的吧
当然获取文章内容时用正则是最佳的,速度也是最快的,
奈何正则是好,但正则表明式是真难!于是乎小查了弹指间,
网上也可以有成都百货上千人也在用PHP Simple Dom 就算成效慢了点,但作用依然不错的
从富含类库文件到写入txt文件 大致是7/8就秒 还恐怕有带于更为优化,特别是那获取作品内容时的正则,那七个太恶心了
咱们可以小研讨一下*/
?>

//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;
}

//得到标题和url
$string =
getwebcontent('');
//正则相配<li>获取标题和地点
preg_match_all ("/<li><a href="/learn/article/(.*)">(.*)</a>/",$string, $out, PREG_SET_ORDER);
foreach($out as $key => $value){
$article['title'][] = $out[$key][2];
$article['link'][] = "];
}
//依照url获取文章内容
foreach($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];

}
//不转码还真无法保留成文件
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]);
}
?>

本文由金沙澳门官网送注册58发布于金沙澳门官网,转载请注明出处:文章收罗正则代码,收集作品代码

关键词: