基于PHP采集数据入库程序（二），php采集数据入

基于PHP采集数据入库程序（二），php采集数据入库

在上篇 基于PHP采集数据入库程序（二） 中提到采集新闻信息页的列表数据，接下来讲讲关于采集新闻具体内容

这是上篇博客的最终数据表截图：

接下来要做的操作就是从数据库中读取所需要采集的URL，进行页面抓取就行

新建一个content表

不过需要注意的一点是，不能再采用采集URL这种id递增的方法去采集，因为数据表中可能出现id断续，比如id=9，id=11，当采集到id=10的时候，URL是空白的，这样可能会导致采集到了空字段。

这里用到的一个技巧是数据库的查询语句，在我们采集完第一条数据的时候，判断数据库里是否还有大于此id的id编号，若有，读取一条，查询信息重复上面的工作。

具体代码如下：

<?php
    
    include_once("conn.php");
    $id=(int)$_GET['id'];
    $sql="select * from list where id=$id";
    $result=mysql_query($sql);
    $row=mysql_fetch_array($result);//取得对应的url地址
    $content=file_get_contents($row['url']);
    $pattern="/<dd class=\"dataWrap\">(.*)<\/dd>/iUs";
    preg_match($pattern, $content,$info);//获取内容存放info
    echo $title=$row[1]."<br/>";
    echo $content=$info[0]."<hr/>";

    //插入数据库
    $add="insert into content(title,content) value('$title','$content')";
    mysql_query($add);

    $sql2="select * from list where id>$id order by id asc limit 1";
    $result2=mysql_query($sql2);
    $row2=mysql_fetch_array($result2);//取得对应的url地址
    if($row2['id']){
        echo "<script>window.location='content.php?id=$row2[0]'</script>";
    }

?>

这样子我们所要的新闻内容就采集入库了，接下来只需要对数据的一些样式进行整理就行了。

php数据采集常见技术要领：

1、熟练正则表达式提取数据技术：提取内容关键步骤
2、熟练字符编码转换分析技术：兼容性管理以及数据有效性控制
3、熟练数据出库入库整理技术：对已采集内容的存储管理，包括数据库以及文件和进度
4、发掘数据以及网站爬行技术：分析网站结构，简化爬行手法，提高效率
5、反反采集处理技术：对于存在反采集的目标对象而设计的反反采集技术
6、多服务器并发采集管理技术：提高效率的工作方法
7、数据整理分析技术：查漏验证数据正确性有效性
8、自我身份保护技术：自身信息的保护
 

php 里有$nr = implode(‘#’,$arr) 方法 ,就可以 了
不过上面的组成的是“内容1#内容2”，没有最后面的一个#，要是必须的话
就是$nr = implode('#',$arr).'#'

在笨的方法，就是用
foreach( $arr as $vl){
$nr.=$vl."#";
}
参考资料：$