PHP开发通用采集入库程序

来自PHP100视频教程82，83，84

 一、采集程序是什么？

获取远程数据（文字，图片、文件等）并快速保存到本地或者指定地址。

 

 二、PHP采集入库用到的知识点

file_get_contents（） 远程文件获取函数，用来获取远程页面内容

preg_match_all（）进行全局正则表达式匹配 用于匹配列表

preg_match   （）进行正则表达式匹配 用于匹配终端

preg_replace （）进行正则表达式替换 用于过滤终端

三、代码

1、网页：http://www.localhost.com/page.html; 

2、内容中的内容：

<a href="http://www.localhost.com/list_1.html" class="list">新闻页面1<a><a href="http://www.localhost.com/list_2.html" class="list">新闻页面2<a><a href="http://www.localhost.com/list_3.html" class="list">新闻页面3<a>

3、然后获取这个网页中的新闻链接地址和标题

$page = file_get_contents(http://www.localhost.com/page.html);$preg = "#<a href="(.*)" class="list">(.*)<a>#iUs"; preg_match_all($preg,$page,$arr);foreach($arr[1] as $id=>$vo){echo "地址：".$vo." 标题：".$arr[2][$id];}

四、注意

采用循环可能会TIMEOUT,所以呢要用JAVASCRIPT跳转，echo "<script>self.href=""</script>";