PHP中怎样实现文章采集

　　else{ $regs[1] = eregi_replace("^[\/]",'''',$regs[1]); $regs[1]=$rootpath.$regs[1]; }

　　}

　　}

　　$line = $regs[2];

　　if(eregi(''(.)*[\.](htm|shtm|html|asp|aspx|php|jsp|cgi)(.)*'',$regs[1])){

　　$out[0][]=$regs[1]; }

　　}

　　}

　　}for ($ouou=0;$ouou

　　{

　　if($out[0][$ouou]==$out[0][$ouou+1]){

　　$sameurlsum=1;

　　//echo "sameurlsum=1:";

　　for($sameurl=1;$sameurl

　　if($out[0][$ouou+$sameurl]==$out[0][$ouou+$sameurl+1]){$sameurlsum++;}

　　else{break;}

　　}

　　for($p=$ouou;$p

　　{ $out[0][$p]=$out[0][$p+$sameurlsum];}

　　}

　　}

　　$i=0;

　　while($out[0][++$i]) {

　　//echo $root.$out[0][$i]."\r\n";

　　$outed[0][$i]=$out[0][$i];

　　}

　　unset($out);

　　$out=$outed; return $out;

　　}

　　?>

　　上面的东西只能zend，不然有碍市容：(

　　得到所有唯一的连接后，放到数组

　　2)需要填正则的处理

　　如果要准确地获得需要的文章连接，就用这个办法

　　按照ketle的思路

　　用

　　PHP:

　　--------------------------------------------------------------------------------

　　function cut($file,$from,$end){

　　$message=explode($from,$file);

　　$message=explode($end,$message[1]);

　　return $message[0];

　　}

　　$from是列表前面的html代码

　　$end是列表后面的html代码

　　以上可以通过表单提交参数.

　　对列表页面不是列表的部分去除，剩下的是需要的连接，

　　只要再通过下面正则得到：

　　PHP:

　　--------------------------------------------------------------------------------

　　preg_match("/^(http:\/\/)?(.*)/i",

　　$url, $matches);

　　return $matches[2];

　　2，获得：标题，内容

　　a首先，利用得到的文章路径，读取目标路径

　　可以通过以下函数：

　　PHP:

　　--------------------------------------------------------------------------------

　　function getcontent($url) {

　　if($handle = fopen ($url, "rb")){

　　$contents = "";

　　do {

　　$data = fread($handle, 2048);

　　if (strlen($data) == 0) {

　　break;

　　}

　　$contents .= $data;

　　} while(true);

　　fclose ($handle);

　　}

　　else

　　exit("........");

　　return $contents;

　　}

　　或者直接

　　PHP:

　　--------------------------------------------------------------------------------

　　file_get_contents($urls);

　　后者比较方便，但是缺点对比上面的就知道.

　　b,接下来得到标题：

　　一般用这个实现：

　　PHP:

　　--------------------------------------------------------------------------------

　　preg_match("||",$allcontent,$title);

　　里面的部分通过提交表单得到.

　　也可以通过一系列的cut函数

　　比如上面提过的function cut($file,$from,$end)，具体的字符串切割可以通过字符处理函数切割实现，后面"取得内容"详细讲.

　　c,取得内容

　　取得内容方面和取得标题思路一样但情况比较复杂，因为内容附近不会是这么简单.

　　1)内容附近的特征字符串有双引号,空格,换行符号等是大障碍

　　双引号需要变成　\" 　可以通过addslashes()处理

　　换行符号要去掉　可以通过

　　PHP:

　　-----------------------------------------------------------------

凌众科技专业提供服务器租用、服务器托管、企业邮局、虚拟主机等服务，公司网站：http://www.lingzhong.cn 为了给广大客户了解更多的技术信息，本技术文章收集来源于网络,凌众科技尊重文章作者的版权，如果有涉及你的版权有必要删除你的文章，请和我们联系。以上信息与文章正文是不可分割的一部分,如果您要转载本文章,请保留以上信息，谢谢!