巧妙运用PHP函数实现采集器

巧妙运用PHP函数实现采集器

PHP经过长时间的发展，很多用户都很了解PHP了，我们现在可以利用PHP函数实现采集器程序。何为采集器，通常又叫小偷程序，主要是用来抓取别人网页内容的。关于采集器的制作，其实并不难，就是远程打开要采集的网页，然后用正则表达式将需要的内容匹配出来，只要稍微有点正则表达式的基础，都能做出自己的采集器来的。

• 经验之谈：PHP安装设置技巧总结
• 演示PHP substr函数使用
• 关于Windows下安装PHP5配置详细介绍
• 详细介绍对象PHP串行化
• 详谈PHP WEB服务器相关知识

前几天做了个小说连载的程序，因为怕更新麻烦，顺带就写了个采集器，采集八路中文网的，功能比较简单，不能自定义规则，不过大概思路都在里面了，自定义规则可以自己来扩展。用php来做采集器主要用到两个PHP函数：file_get_contents()和preg_match_all()，前一个是远程读取网页内容的，不过只在php5以上的版本才能用，后一个是正则函数，用来提取需要的内容的。面就一步一步来讲功能实现。因为是采集小说，所以首先要将书名、作者、类型这三个提取出来，别的信息可根据需要提取。

这样还不够，还需要一个切取PHP函数：

function cut($string,$start,$end){     
$message = explode($start,$string);     
$message = explode($end,$message[1]); return $message[0];}其中$string为要被切取的内容，$start为开始的地方，$end为结束的地方。取出分类号：     
 
$start = "Html/Book/";     
$end    
= "List.shtm";     
$typeid = cut($typeid[0][0],$start,$end);     
$typeid = explode("/",$typeid);[/php]     
 
这样，$typeid[0]就是我们要找的分类号了。方法如下：     
 
$ustart = "\"";     
$uend    
= "\"";     
//t表示title的缩写     
$tstart = ">";     
$tend    
= "<";     
//取路径,例如:123.shtm,2342.shtm,233.shtm     
preg_match_all("/\"[0-9]{1,}\.(shtm)\"/is",$chapterurl,$url);     
//取标题,例如:第一章 九世善人     
preg_match_all("/<a href=\"[0-9]{1,}\.shtm\"(.*?)\<\/a>/is",$file,$title);     
$countcountcount = count($url[0]);     
for($i=0;$i<=$count;$i++)     
{     
$u = cut($url[0][$i],$ustart,$uend);     
$t = cut($title[0][$i],$tstart,$tend);     
$array[$u] = $t;     
}    

$array数组就是所有的章节地址了，到这里，采集器就完成一半了，剩下的就是循环打开每个章节地址，读取，然后将内容匹配出来。这个比较简单，这里就不详细叙述了。好了，今天就先写到这吧，第一次写这么长的文章，语言组织方面难免有问题，还请大家多包涵！