收集器，通常稱(chēng)為小偷程序，主要用于抓取他人網(wǎng)頁(yè)的內(nèi)容。關(guān)于集熱器的制作，其實(shí)并不難。就是遠(yuǎn)程打開(kāi)要采集的網(wǎng)頁(yè)，然后用正則表達(dá)式匹配需要的內(nèi)容。只要你有一點(diǎn)基本的正則表達(dá)式，你就可以制作自己的收集器。.

前幾天，做了一個(gè)小說(shuō)連載程序。因?yàn)榕赂侣闊?，順便?xiě)了個(gè)收集器收集八通中文網(wǎng)。功能比較簡(jiǎn)單，不能自定義規(guī)則。你可以自己擴(kuò)展。

使用php作為收集器主要使用()和()兩個(gè)函數(shù)，前者是遠(yuǎn)程讀取網(wǎng)頁(yè)內(nèi)容，但只能在php5以上版本使用網(wǎng)站模板，后者是常規(guī)函數(shù)，用于提取所需的內(nèi)容。

下面逐步介紹功能實(shí)現(xiàn)。

因?yàn)槭切≌f(shuō)合集，所以必須先提取出書(shū)名、作者、體裁，其他信息可以根據(jù)需要提取。

這里是《回歸明朝當(dāng)太子》的目標(biāo)，首先打開(kāi)參考書(shū)目頁(yè)面，鏈接：

再翻幾本書(shū)，你會(huì)發(fā)現(xiàn)書(shū)名的基本格式是：ISbN/.aspx，所以我們可以做一個(gè)起始頁(yè)，定義一個(gè)，用它來(lái)輸入要收藏的書(shū)號(hào)。以后可以用$['']等格式接收需要收藏的書(shū)號(hào)。收到書(shū)號(hào)后，接下來(lái)就是構(gòu)建書(shū)目頁(yè)面：$url=$['']/.aspx，當(dāng)然這里是個(gè)例子，主要是為了解釋方便，最好查一下$['' ] 合法性。

構(gòu)建好 URL 后，就可以開(kāi)始收集圖書(shū)信息了。使用()函數(shù)打開(kāi)參考書(shū)目頁(yè)面：$=($url)，這樣就可以讀出參考書(shū)目頁(yè)面的內(nèi)容了。下一步是匹配標(biāo)題、作者和流派等信息。這里以書(shū)名為例網(wǎng)站制作，其他都一樣。打開(kāi)參考書(shū)目頁(yè)面，查看源文件，找到《回明為王》，這是要提取的書(shū)名。正則表達(dá)式提取書(shū)名：/(.*?)\/is，使用()函數(shù)提取書(shū)名：("/(.*?)\/is",$,$); 所以 $[0] [0] 的內(nèi)容就是我們想要的標(biāo)題（函數(shù)的用法可以百度查到，這里就不詳細(xì)解釋了）。取出圖書(shū)信息后，下一步是取章節(jié)的內(nèi)容。取章節(jié)內(nèi)容，首先要找到每一章節(jié)的地址，然后遠(yuǎn)程打開(kāi)章節(jié)，使用正則取出內(nèi)容php采集代碼，存入庫(kù)或者直接生成html靜態(tài)文件。這是章節(jié)列表的地址： 可以看到這個(gè)和參考書(shū)目頁(yè)面一樣，可以定期找到：分類(lèi)號(hào)/書(shū)號(hào)/List.shtm。之前已經(jīng)獲得了書(shū)號(hào)。這里的關(guān)鍵是找到分類(lèi)號(hào)。分類(lèi)號(hào)可以在之前的參考書(shū)目頁(yè)面上找到。提取分類(lèi)號(hào)：存入庫(kù)或直接生成html靜態(tài)文件。這是章節(jié)列表的地址： 可以看到這個(gè)和參考書(shū)目頁(yè)面一樣，可以定期找到：分類(lèi)號(hào)/書(shū)號(hào)/List.shtm。之前已經(jīng)獲得了書(shū)號(hào)。這里的關(guān)鍵是找到分類(lèi)號(hào)。分類(lèi)號(hào)可以在之前的參考書(shū)目頁(yè)面上找到。提取分類(lèi)號(hào)：存入庫(kù)或直接生成html靜態(tài)文件。這是章節(jié)列表的地址： 可以看到這個(gè)和參考書(shū)目頁(yè)面一樣php采集代碼，可以定期找到：分類(lèi)號(hào)/書(shū)號(hào)/List.shtm。之前已經(jīng)獲得了書(shū)號(hào)。這里的關(guān)鍵是找到分類(lèi)號(hào)。分類(lèi)號(hào)可以在之前的參考書(shū)目頁(yè)面上找到。提取分類(lèi)號(hào)：

("/Html\/book\/[0-9]{1,}\/[0-9]{1,}\/List\.shtm/is",$,$); 這還不夠，還需要一個(gè) cut 函數(shù)：

[復(fù)制pHp代碼] [-] pHp代碼如下：

引用如下：

切($,$,$end){

$ = ($,$);

$ = ($end,$[1]); $[0];} 其中$是要剪切的內(nèi)容，$是開(kāi)頭，$end是結(jié)尾。取出分類(lèi)號(hào)：

$ = "HTML/書(shū)/";

$結(jié)束

= "列表.shtm";

$ = cut($[0][0],$,$end);

$ = ("/",$);[/php]

這樣，$[0] 就是我們要找的分類(lèi)號(hào)。下一步是構(gòu)造章節(jié)列表的地址：$ = $[0]/$['']/List.shtm。有了這個(gè)，你可以找到每一章的地址。方法如下：

引用如下：

$ = "\"";

$uend

= "\"";

//t的縮寫(xiě)

$ = ">";

$傾向于

= "

新聞標(biāo)題：php采集代碼前幾天做了個(gè)小說(shuō)連載的程序，抓取別人網(wǎng)頁(yè)內(nèi)容php采集百度新聞標(biāo)題
網(wǎng)站URL：http://www.aaarwkj.com/news24/297174.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供建站公司、網(wǎng)站設(shè)計(jì)公司、外貿(mào)網(wǎng)站建設(shè)、企業(yè)網(wǎng)站制作、網(wǎng)站營(yíng)銷(xiāo)、ChatGPT

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)