php采集远程文章简单类

时间：2015-05-08 00:28:53浏览：4113 转载



<?php
/**
 * 采集类
 * @author Milkcy QQ:9877633
 * @copyright            (C) 2012-2015 TCCMS.COM
 * @lastmodify             2012-07-10 14:00
 */
class gather {

    public $pagestring = '';
    private $db;

    function __construct() {
        global $db;
        $this->db = $db;
    }

    function geturlfile($url) {
        $url = trim($url);
        $content = '';
        if (extension_loaded('curl')) {
            $ch = curl_init();
            curl_setopt($ch, CURLOPT_URL, $url);
            curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
            curl_setopt($ch, CURLOPT_FOLLOWLOCATION, 1);
            curl_setopt($ch, CURLOPT_HEADER, 0);
            $content = curl_exec($ch);
            curl_close($ch);
        } else {
            $content = file_get_contents($url);
        }
        return trim($content);
    }

    function get_all_url($code) {
        preg_match_all('/<a.+?href=[\"|']?([^>\"' ]+)[\"|']?s*[^>]*>([^>]+)</a>/is', $code, $arr);
        return array('name' => $arr[2], 'url' => $arr[1]);
    }

    function get_sub_content($str, $start, $end) {
        $start = trim($start);
        $end = trim($end);
        if ($start == '' || $end == '') {
            return $str;
        }
        $str = explode($start, $str);
        $str = explode($end, $str[1]);
        return $str[0];
    }

    function vd($var) {
        echo \"<div style=\"border:1px solid #ddd;background:#F7F7F7;padding:5px 10px;\">

\";
        echo \"<pre style=\"font-family:Arial,Vrinda;font-size:14px;\">

\";
        var_dump($var);
        echo \"

</code></pre>

\";
        echo \"</div>\";
    }

}

?>



<?php
define('ROOT_PATH', str_replace('\\', '/', dirname(__FILE__)));
include ROOT_PATH.\"/gather.class.php\";
set_time_limit(0);
header(\"Content-type: text/html; charset=gb2312\");
//目标网址
$url = 'http://news.163.com/special/00013C0O/guojibjtj_03.html';
//实例化采集机器
$gather = new gather();
//获取目标网址HTML
$html = $gather->geturlfile($url);
//定义采集列表区间
$start = '<div class=\"bd clearfix\">';
$end = '<div class=\"pages-1 mt25\">';
//获取区间内的文章URL和TITLE
$code = $gather->get_sub_content($html, $start, $end);
$newsAry = $gather->get_all_url($code);
//打印出结果
//$gather->vd($newsAry);
$tarGetUrl = $newsAry['url'][0];
//获取目标网址HTML
$html = $gather->geturlfile($tarGetUrl);
//定义采集列表区间
$start = '<div id=\"endText\">';
$end = '<span class=\"cDGray right\" style=\"white-space:nowrap;\">';
//获取区间内的文章URL和TITLE
$code = $gather->get_sub_content($html, $start, $end);
$killHtml = '<iframe src=\"http://g.163.com/r?site=netease&affiliate=news&cat=article&type=tvscreen200x300&location=1\" width=\"200\" height=\"300\" frameborder=\"no\" border=\"0\" marginwidth=\"0\" marginheight=\"0\" scrolling=\"no\"></iframe>';
$killHtml2 = '<a href=\"http://news.163.com/\"><img src=\"http://img1.cache.netease.com/cnews/img07/end_i.gif\" alt=\"netease\" width=\"12\" height=\"11\" border=\"0\" class=\"icon\" /></a>';
$code = str_replace($killHtml, \"\", $code);
$code = str_replace($killHtml2, \"\", $code);
$gather->vd($code);
?>

文件gather.class.php 1 应用文件： 1

上一篇：UTF-8编码ASP页面输出 GB2312 （GBK）编码的变量超级简单
下一篇：php单引号和双引号导致Mysql操作失败的问题

发表评论

昵称：验证码：

关于博主

博主：BlueCode

职业：web程序

简介：2002年开始一直从事Web制作，网站运营，会PHP+MYSQL ASP+MSSQL，微信开发

Linux文章
PHP文章
随机文章

BlueCode的自留地

php采集远程文章简单类

关于博主