php 抓取新浪新闻的程序代码
发布:smiling 来源: PHP粉丝网 添加日期:2015-04-13 09:55:52 浏览: 评论:0
抓取就是采集了,今天因为我们要做一个实时采集新浪新闻的功能,下面整理了一个非常了得的php 抓取新浪新闻的程序,我们来看看,首先,需要下载一个simple_html_dom第三方扩展库,具体下载方式和使用详情可以查看:simple_html_dom的使用,需要环境支持file_get_contents()函数和curl的支持,具体代码如下:
- <?php
- function timingimg($url,$dirname,$interval){
- ignore_user_abort(); //浏览器关闭,程序继续执行
- set_time_limit(0);//忽略到默认30秒超时
- $interval = emptyempty($interval)?3600:$interval;
- $dirname = emptyempty($dirname)?'news/':$dirname;
- if(emptyempty($url)){
- die('请输入目标网址!!!');
- }
- do{
- $arr = loadimg($url,$dirname);
- return $arr; //返回抓取内容所保存的路径
- sleep($interval);
- die;
- }while(true);
- }
- /**
- *获取所有新闻链接
- *参数 $url 新闻列表地址
- *参数 $dirname 新闻图片保存路径
- * 返回 二维数组 所有新闻记录
- */
- function loadimg($url,$dirname){
- set_time_limit(0);
- <a href="/tags.php/include/" target="_blank">include</a>_once('simple_html_dom.php');
- $ch = curl_init();
- <a href="/tags.php/curl_setopt/" target="_blank">curl_setopt</a>($ch,CURLOPT_URL,$url);
- curl_setopt($ch,CURLOPT_HEADER,false);
- curl_setopt($ch,CURLOPT_RETURNTRANSFER,1);
- $output = curl_exec($ch);
- curl_close($ch);
- $html = new simple_html_dom();
- $html->load($output);
- $images = array();
- $arr = array();
- <a href="/tags.php/foreach/" target="_blank">foreach</a>($html->find('li a') as $element){
- //开源软件:phpfensi.com
- if( <a href="/tags.php/preg_match/" target="_blank">preg_match</a>('#^http:\/\/tech\.sina\.com\.cn\/it\/[\d]{4}\-[\d]{1,2}\-[\d]{1,2}\/[\d]+\.shtml$#i',$element->href)){
- array_push($images,$element->href);
- }
- }
- $images = array_unique($images);
- sort($images);
- for($i=0;$i<10;$i++){ //只抓取10条记录
- $arr[] = getcontent($images[$i],$dirname);
- }
- return $arr;
- }
- /**
- *
- *
- * 抓取单个新闻内容
- *参数 $url 新闻页面地址
- *参数 $dirname 图片保存路径
- *返回 一个新闻记录 一维数组
- */
- function getcontent($url,$dirname){
- include_once('simple_html_dom.php');
- $html = new simple_html_dom();
- $data = file_get_contents($url);
- $html->load($data);
- $arr = array();
- foreach($html->find('h1#artibodyTitle') as $element){
- $arr['title']= @<a href="/tags.php/iconv/" target="_blank">iconv</a>('gbk','utf-8', $element->innertext);
- ;
- }
- $str = '';
- foreach($html->find('div#artibody p') as $element){
- $str.= $element;
- }
- $arr['content'] = $str;
- foreach($html->find('div.img_wrapper img') as $element){
- $arr['alt'] =$element->alt;
- $data = file_get_contents($element->src);
- $info = getimagesize($element->src);//get image information
- switch($info[2]){
- case 1:
- $str = 'gif';
- break;
- case 2:
- $str = 'jpg';
- break;
- case 3:
- $str = 'png';
- break;
- default:
- continue;
- break;
- }
- $filename = time().rand(1,999999).'.'.$str;
- if(!is_dir($dirname)){
- mkdir($dirname,0777,true);
- }
- $fp = <a href="/tags.php/fopen/" target="_blank">fopen</a>($dirname.$filename,'w');
- fwrite($fp,$data);
- fclose($fp);
- $arr['img'] = $dirname.$filename;
- }
- return $arr;
- }
- ?>
Tags: php抓取新闻 php新浪新闻
推荐文章
热门文章
最新评论文章
- 写给考虑创业的年轻程序员(10)
- PHP新手上路(一)(7)
- 惹恼程序员的十件事(5)
- PHP邮件发送例子,已测试成功(5)
- 致初学者:PHP比ASP优秀的七个理由(4)
- PHP会被淘汰吗?(4)
- PHP新手上路(四)(4)
- 如何去学习PHP?(2)
- 简单入门级php分页代码(2)
- php中邮箱email 电话等格式的验证(2)