xingyong

php采集书

编辑器加载中...

版权声明:原创作品,允许转载,转载时请务必以超链接形式标明文章原始出版、作者信息和本声明。否则将追究法律责任。http://blog.csdn.net/mayongzhan - 马永占,myz,mayongzhan

记得上次有过一个叫采集后的处理
这个就是它的升级版本
连采再处理,合成一本书txt的。

<?php
/**
 * @name 采集书.php
 * @date Sun Mar 01 22:48:02 CST 2009
 * @copyright 马永占(MyZ)
 * @author 马永占(MyZ)
 * @link http://blog.csdn.net/mayongzhan/
 */

//header(\'Content-Type:text/html;charset=utf8\');
header(\'Content-Type:text/html;charset=gb2312\');
error_reporting(E_ALL);
date_default_timezone_set(\'Asia/Shanghai\');
set_time_limit(0);

function writer($content,$url)
{
 $fp = fopen($url, \'ab\');
 fwrite($fp, $content);
 fclose($fp);        
}

$folder = \'2\'; //文件夹

$book_base_url = \'xxxxxxxxxxxxxxxxxxxxx\';

$book_url = \'yyyyyyyyyyyyy.html\';

$main = file_get_contents($book_base_url.$book_url);

preg_match_all(\'/chapter_.*?/.html/\', $main, $pages);

$pages = array_unique($pages[0]);

foreach ($pages as $value) {
 writer(file_get_contents($book_base_url.$value), \'./\'.$folder.\'/\'.$value.\'.txt\');
 
 $str = file_get_contents(\'./\'.$folder.\'/\'.$value.\'.txt\');
 
 //print_r($str);
 preg_match("/(<h1>)(.*?)(<//h1>)(.*?)(<div id=/"contTxt/" class=/"contTxt1/">)(.*?)(<//div>)/s",$str,$arr);
 //print_r($arr);die();
 $arr[6] = preg_replace("/(<span[^>]+>.*?<a[^>]+>)(.*?)(<//a><//span>)/s","$2",preg_replace("/<p>|<//p>/","/r/n",$arr[6]));
 $result = "/r/n------------------------------------------------/r/n------------------------------------------------/r/n------------------------------------------------/r/n----------------".$arr[2]."/r/n------------------------------------------------/r/n------------------------------------------------/r/n------------------------------------------------/r/n".$arr[6];
 writer($result, \'./\'.$folder.\'/new.txt\');
}
?>

分类:

技术点:

相关文章:

  • 2021-12-10
  • 2021-12-10
  • 2021-10-18
  • 2021-05-20
  • 2021-11-26
  • 2022-01-07
  • 2021-06-28
猜你喜欢
  • 2022-12-23
  • 2022-12-23
  • 2021-10-11
  • 2022-01-07
  • 2022-12-23
  • 2022-12-23
  • 2021-11-13
相关资源
相似解决方案