新闻动态
NEWS

　　今天一同窗给我推荐了本书，说是刚出不久，内容还不错，是心灵鸡汤类的书，于是按捺不住就像在网高低一本，可是木有资料肿么办。只有在线看的，作为一个准码农，所以甭空话了，咱得用代码解决题目对吧……

　　1.工欲善其事必先利其器

　　起首你得有个对象用吧，别想我之前似得抓个网页，就写了很多多少的￥pattern去挨个匹配标签，作为伪法度员那哪行啊，对吧，咱得学着它Simple_html_dom

专门解析HTML文档的一器材，超好用的哦~。Simple_html_dom是什么器材在咱博客园上就有怎么用的博客，在这不做赘述。

　　2.代码详解

　　啥也甭说，还是代码措辞给力，以下是抓去新浪的小说为例。

　　（1）起首得引入文件吧

　　　　includesimple_html_dom.php;

　　（2）咱这抓小说斗劲简单，深度就一层，不涉及到什么图的深搜广搜，你只要调查URL的规律即可

　　　　￥url=http://vip.book.sina.com.cn/chapter/220331/2143;//用for轮回加器材就是了

　　（3）若是for轮回的次数太多会报错：超时提示。甭愁闷这不是咱的错，这是设备文件的错，咱加上这句话就OK了

　　　　ini_set（max_execution_time， 100）;

　　（4）实例化Simple_html_dom

　　　　￥html=new simple_html_dom（）;

　　（5）然后就是for轮回生成一个个的URL然后提取内容了首要用到下面的器材　　

　　　　//从URL加载
　　　　￥html->load_file（￥url_temp）;

　　　　//查找class为mainContent的div
　　　　￥title=￥html->find（div[class=mainContent] h1，0）;

　　　　//收集正文
　　　　￥content=￥html->find（div[class=mainContent] div[class=contTxt1]，0）;

　　（6）恰当的用正则把握以下格局

　　　　//换行
　　　　￥content=preg_replace（￥pattern，\r\n，￥content）;
　　　　//加空格
　　　　￥content=preg_replace（￥pattern1， ，￥content）;

　　（7）当然少不了他了（去除html标签）

　　　　￥title=strip_tags（￥title）;
　　　　￥content=strip_tags（￥content）;

　　（8）写入文件即可

　　（9）恭喜你，小说抓取成功。

3.首要用到的技巧

　　　（1）对php的谙练应用

　　　（2）把握正则表达式。

　　　（3）主如果Simple_html_dom.php的应用

　　　（4）还得重视php超时题目

　　当轮回太多时会呈现超时题目，建议不要批改设备文件