可否帮忙写一个单页页的PHP采集程序，并附下实例

2013-01-04

可否帮忙写一个单页页的PHP采集程序，并附上实例比方说，我要采集这个页面：http://news.163.com/12/0613/20/

可否帮忙写一个单页页的PHP采集程序，并附上实例
比方说，我要采集这个页面：http://news.163.com/12/0613/20/83TJ7PA700014JB6.html

要求：
采集标题
采集正文

谢谢！
[解决办法]
首先去http://simplehtmldom.sourceforge.net/index.htm（点击Download latest version form Sourceforge.）下载一个simple_html_dom.php，傻瓜式的正则，另官网上有详细教程，很容易看懂。


header("Content-type: text/html; charset=gb2312");
require dirname(__FILE__) . '/simple_html_dom.php';
$ch = curl_init();
curl_setopt($ch, CURLOPT_URL, 'http://news.163.com/12/0613/20/83TJ7PA700014JB6.html');
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
curl_setopt($ch, CURLOPT_USERAGENT, 'Mozilla/5.0 (Windows; U; Windows NT 6.1; en-US; rv:1.9.1.2) Gecko/20090729 Firefox/3.5.2 GTB5');
$htmls = curl_exec($ch);
curl_close($ch);
$html = str_get_html($htmls);
foreach($html->find('#h1title') as $title){ 
       echo strip_tags($title）.'<br />';//标题
}
foreach($html->find('#endText') as $content){ 
    echo strip_tags($content);//正文
}

注：curl模拟Mozilla浏览器抓取，比file_get_contents()解析速度更快。strip_tags() 用以去除那个邪恶的iframe广告,反正你需要的是“采集标题”和“采集正文”冗余的html标签对你无用。
[解决办法]
PHP获取QQ邮箱好友列表的方法：
本文为大家介绍有关如何运用PHP获取QQ邮箱好友的方法。PHP有一个扩展是curl扩展，该扩展一般用于采集数据。但是也可以实现模拟登陆，通过模拟登陆来登陆QQ邮箱，再利用curl的采集来获取邮箱的好友列表。以上是实现原理，理解袁莉以后我们来看实现过程。具体的PHP获取QQ邮箱好友的代码如下：

1.<?php
2.class QQHttp {
3.    var $cookie = '';
4.    function __cunstrut() {
5.    }
6.    function makeForm() {
7.        $form = array(
8.            'url' => "http://mail.qq.com/cgi-bin/loginpage",
9.        );
10.        $data = $this->curlFunc($form);
11.        preg_match('/name="ts"svalue="(d+)"/',$data['html'], $tspre);
12.        $ts = $tspre[1];
13.        preg_match('/action="http://(md+).mail.qq.com/',$data['html'], $server);
14.        $server_no = $server[1];
15.        /*  login.html 载入 */
16.        $html = file_get_contents(dirname(__FILE__).'/login.htm');
17.        $html = str_replace('{_ts_}',$ts, $html);
18.        $html = str_replace('{_server_no_}',$server_no, $html);
19.        return $html;
20.    }
21.    function curlFunc($array)
22.    {
23.        $ch = curl_init();
24.        curl_setopt($ch, CURLOPT_URL, $array['url']);

25.        curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
26.        if( isset($array['header']) && $array['header'] ) {
27.            curl_setopt($ch, CURLOPT_HEADER, 1);
28.        }
29.        if(isset($array['httpheader'])) {
30.            curl_setopt($ch, CURLOPT_HTTPHEADER, $array['httpheader']);
31.        }
32.        if(isset($array['referer'])) {
33.            curl_setopt($ch, CURLOPT_REFERER, $array['referer']);
34.        }
35.        if( isset($array['post']) ) {
36.            curl_setopt($ch, CURLOPT_POST, 1 );
37.            curl_setopt($ch, CURLOPT_POSTFIELDS, $array['post']);
38.        }
39.        if( isset($array['cookie']) ){
40.            curl_setopt($ch, CURLOPT_COOKIE, $array['cookie']);
41.        }
42.        $r['erro'] = curl_error($ch);
43.        $r['errno'] = curl_errno($ch);
44.        $r['html'] = curl_exec($ch);
45.        $r['http_code'] = curl_getinfo($ch, CURLINFO_HTTP_CODE);
46.        curl_close($ch);
47.        return $r;
48.    }
49.    /**
50.     * 获取验证码图片和cookie
51.     * @param Null
52.     * @return array('img'=>String, 'cookie'=>String)
53.     */
54.    function getVFCode ()
55.    {
56.        $vfcode = array(
57.            'header' => true,
58.            'cookie' => false,
59.            'url'=>'http://ptlogin2.qq.com/getimage?aid='.$_GET['aid'].'&'.@$_GET['t'],
60.        );
61.        $r = $this->curlFunc($vfcode);

原文：http://www.phpnewer.com/index.php/Tszj/detail/id/436.html
[解决办法]
用抓取页面就可以，标题的话就是title标签之间的，正文是body之间的，用正则去掉一些不需要的内容

热点排行