php小头采集程序设计演示教程带源码-云码酷-站长自学网-PHP自学教程

马上注册，自学更多教程，下载更多资源。

您需要登录才可以下载或查看，没有帐号？立即注册

x

甚么是php收罗法式？
php收罗法式，也叫php小偷，次要是用于主动汇集收集上web页里特定内乱容，用php言语写的web法式，运转于撑持php的仄台上。道到“主动汇集”，您能够遐想到百度goole，遐想到搜刮引擎所做的工作。php收罗法式，恰是做相似的事情。
为何要收罗？

互联网正以缓慢的速率正在开展，web数据天天以多少级数据量递删，面临那宏大的数据，做为一个网站办理员的您，该怎样汇集本人所需求的疑息呢？出格对某个或某几个同类网站，您需求它们的大批疑息，去充分您的网站内乱容，岂非便只能复造粘揭的过日子吗？一个网站办理员，您实的便得花大批工夫来弄本创内乱容，而取全部互联网疑息量的开展速率摆脱吗？那些成绩的处理办法只要一个：收罗。假如有那末一个法式，您帮您的网站主动或半主动的收罗您所需求的特定内乱容，立即更新您网站的疑息，能否是您求之不得的呢？那便是收罗法式呈现的缘故原由地点。
收罗些甚么？

那要看您做的甚么范例的网站了。假如您做图片站，便收罗图片；做音乐站，便收罗mp3，做消息站，便收罗消息等等。统统按照您网站的内乱容架构需求而定。肯定您要收罗的工具，才好写出响应的收罗法式。

凡是收罗法式，皆是对症下药的。也便是需求有目的网站，汇集一些您需求的收罗内乱容的网站，别离对其html代码停止阐发，找出纪律性的工具，根据您要收罗的特定内乱容，写出php代码。收罗到您要的工具当前，您能够挑选本人需求的寄存方法。好比间接天生html页里，或是放进数据库，做进一步处置或是寄存成特定的情势，以备后用。
针对目的网站，我们能够接纳以下方法：
1.利用file()函数，获得目的页里文件流，转换成字符串，做进一步处置.
一个规范函数：
CODE:

[PHP] 杂文本检察 复造代码

//获取目标页面文件流并转换成字符串形式

function openfile($url)

{

if(file($url)){

        $str = file($url);

        $count = count($str);

        for ($i=0;$i<$count;$i++){

        $file .= $str[$i];

                        

                                 }

        return $file;

              } else { die("文件打开失败!"); }

}

用法举例：

[PHP] 杂文本检察 复造代码

$getstr=openfile("http://86enjoy.com");

//getsrt是一个字符串，你可对它作进一步处理。

2.利用file_get_contents()函数,该函数能够间接将获得的web页里内乱容转换成字符串
CODE:

[PHP] 杂文本检察 复造代码

$getstr=file_get_contents("http://86enjoy.com");

//getsrt就是一个字符串，你可对它作进一步处理。

3.利用Microsoft.XMLHTTP组件方法。不外该组件需求windows仄台撑持,它是windows的一个组件，php法式以com情势挪用它。
规范法式：
CODE:

[PHP] 杂文本检察 复造代码

<?php

//Microsoft.XMLHTTP组件使用范例程序get.php

//作者：天涯风云

$url=$_GET['id'];

$xmlhttp = new COM("Microsoft.XMLHTTP") or die("无法创建Microsoft.XMLHTTP组件!");

$xmlhttp->open("GET",$url,False, "", "");

$xmlhttp->setRequestHeader("content-Type","text/html");

$xmlhttp->send();

$body=$xmlhttp->responseText;

echo $body;

?>

用法：get.php?id="目的页里"
4.利用fsockopen()函数，获得文件流
规范法式:
CODE:

[PHP] 杂文本检察 复造代码

function request_url($url,$method='POST') {

$url = parse_url($url); //解析url地址,取得host,path,port,query等

if (!$url) return "couldn't parse url";

if (!isset($url['port'])) { $url['port'] = ""; }

if (!isset($url['query'])) { $url['query'] = ""; }

//连接服务器

$fp = fsockopen($url['host'], $url['port'] ? $url['port'] : 80);

if (!$fp) return "不能连接".$url['host']."服务器";

//发送请求

fputs($fp, sprintf("$method %s%s%s HTTP/1.0/n", $url['path'], $url['query'] ? "?" : "", $url['query']));

fputs($fp, "Host: $url[host]/n");

fputs($fp, "Content-type: application/x-www-form-urlencoded/n");

fputs($fp, "Connection: close/n/n");

//获得请求后返回的内容

$line = fgets($fp,1024);

if (!eregi("^HTTP/1/.. 200", $line)) return;

$results = "";

while(!feof($fp)) {

$line = fgets($fp,1024);

$results .= $line;

}

fclose($fp);

return $results;

}

函数用法：

[PHP] 杂文本检察 复造代码

$getstr=request_url("目标页面");

//getstr是一个字符串，你可对它作进一步处理。

收罗规范法式
收罗规范法式1
获得sina网上的某个都会的气候疑息
//sinatianqi.php
CODE:

[PHP] 杂文本检察 复造代码

<?php

/* 此程序是从新浪网的天气网页[url]http://php.weather.sina.com.cn/search.php?city=[/url]某个城市名，取得天气信息*/

ob_start();  //启动输出缓冲

function request_url($url,$method='POST') {

$url = parse_url($url); //解析url地址,取得host,path,port,query等

if (!$url) return "couldn't parse url";

if (!isset($url['port'])) { $url['port'] = ""; }

if (!isset($url['query'])) { $url['query'] = ""; }

//连接服务器

$fp = fsockopen($url['host'], $url['port'] ? $url['port'] : 80);

if (!$fp) return "不能连接".$url['host']."服务器";

//发送请求

fputs($fp, sprintf("$method %s%s%s HTTP/1.0/n", $url['path'], $url['query'] ? "?" : "", $url['query']));

fputs($fp, "Host: $url[host]/n");

fputs($fp, "Content-type: application/x-www-form-urlencoded/n");

fputs($fp, "Connection: close/n/n");

//获得请求后返回的内容

$line = fgets($fp,1024);

if (!eregi("^HTTP/1/.. 200", $line)) return;

$results = "";

while(!feof($fp)) {

$line = fgets($fp,1024);

$results .= $line;

}

fclose($fp);

return $results;

}

//获得从其它网页传送过来的url(带查询字串)

if (!$_REQUEST['url']) {

echo "请添加一个url";

exit;

}else{

$url=$_REQUEST['url'];

}

$content=request_url($url); //取得请求后的网页内容

$start=strpos($content,"<!-- 天气状况 begin -->");//取得天气预报的截取段

$end=strpos($content,"<!-- 天气状况 end -->");

$len=$end-$start;

$b=substr($content,$start,$len); //截取得指定内容

//从上面的截取段中取得城市今日天气预报的截取段

$sub_start=strpos($b,"<div class=/"City_Data/">");  

$sub_end=strpos($b,"<div class=/"Weather_SM/">");

$len2=$sub_end-$sub_start;

$c=substr($b,$sub_start,$len2);

$d=split("/n",$c); //去掉换行符

//print_r($d);

$e="";

foreach ($d as $key=>$value){

$value=strip_tags($value);  //去掉html标记

$e.=$value;

if ($key==2) {

  $e.="<br>";

}

}

echo $e;

ob_end_flush();

?>

法式运转状况：
测试

收罗规范法式

收罗规范法式2：获得tom的气候
CODE:

[PHP] 杂文本检察 复造代码

<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN">

<HTML><HEAD><TITLE>天气预报-天气查询-中国美女网</TITLE>

<META http-equiv=Content-Type content="text/html; charset=gb2312"><LINK

href="images/home.css" rel=stylesheet>

<META content="MSHTML 6.00.3790.2759" name=GENERATOR></HEAD>





<BODY bgColor=#ffffff leftMargin=0 topMargin=0 marginheight="0" marginwidth="0">

<center><div>

<TABLE cellSpacing=0 cellPadding=0 width=774 align=center border=0>

  <TBODY>

  <TR>

    <TD><IMG height=100 src="templates/default/images/top1.jpg" width=770></TD>

  </TR></TBODY></TABLE>

<TABLE height=28 cellSpacing=0 cellPadding=0 width=774 align=center border=0>

  <TBODY>

  <TR>

    <TD vAlign=center align=middle background=templates/default/images/tt_r4_c1.jpg><A

      href="http://www.86mm.com.cn/" target=_blank>首页</A></TD>

    <TD vAlign=center align=middle width=2

      background=templates/default/images/tt_r4_c1.jpg><IMG height=22

      src="templates/default/images/tt_r5_c8.jpg" width=1></TD>

    <TD vAlign=center align=middle background=templates/default/images/tt_r4_c1.jpg><A

      href="http://www.huazhongpc.com/html/zouguangtoupai/"

    target=_blank>走光偷拍</A></TD>

    <TD vAlign=center align=middle width=2

      background=templates/default/images/tt_r4_c1.jpg><IMG height=22

      src="templates/default/images/tt_r5_c8.jpg" width=1></TD>

    <TD vAlign=center align=middle background=templates/default/images/tt_r4_c1.jpg><A

      href="http://www.huazhongpc.com/html/jiqingyouhuo/"

    target=_blank>激情诱惑</A></TD>

    <TD vAlign=center align=middle width=2

      background=templates/default/images/tt_r4_c1.jpg><IMG height=22

      src="templates/default/images/tt_r5_c8.jpg" width=1></TD>

    <TD vAlign=center align=middle background=templates/default/images/tt_r4_c1.jpg><A

      href="http://www.huazhongpc.com/html/qingchunnvhai/"

    target=_blank>清纯女孩</A></TD>

    <TD vAlign=center align=middle width=2

      background=templates/default/images/tt_r4_c1.jpg><IMG height=22

      src="templates/default/images/tt_r5_c8.jpg" width=1></TD>

    <TD vAlign=center align=middle background=templates/default/images/tt_r4_c1.jpg><A

      href="http://www.huazhongpc.com/html/meinvzipai/"

    target=_blank>美女自拍</A></TD>

    <TD vAlign=center align=middle width=2

      background=templates/default/images/tt_r4_c1.jpg><IMG height=22

      src="templates/default/images/tt_r5_c8.jpg" width=1></TD>

    <TD vAlign=center align=middle background=templates/default/images/tt_r4_c1.jpg><A

      href="http://www.huazhongpc.com/html/mingxingxiezhen/"

    target=_blank>明星写真</A></TD>

    <TD vAlign=center align=middle width=2

      background=templates/default/images/tt_r4_c1.jpg><IMG height=22

      src="templates/default/images/tt_r5_c8.jpg" width=1></TD>

    <TD vAlign=center align=middle background=templates/default/images/tt_r4_c1.jpg><A

      href="http://www.huazhongpc.com/html/xingaijiankang/"

    target=_blank>性爱健康 </A></TD>

   

    <TD vAlign=center align=middle width=2

      background=templates/default/images/tt_r4_c1.jpg><IMG height=22

      src="templates/default/images/tt_r5_c8.jpg" width=1></TD>

    <TD vAlign=center align=middle background=templates/default/images/tt_r4_c1.jpg><A

      href="http://www.huazhongpc.com/html/mianfeidianying/" target=_blank>免费电影</A></TD>

    <TD vAlign=center align=middle width=2

      background=templates/default/images/tt_r4_c1.jpg><IMG height=22

      src="templates/default/images/tt_r5_c8.jpg" width=1></TD>

    <TD vAlign=center align=middle background=templates/default/images/tt_r4_c1.jpg><A

      href="http://www.huazhongpc.com/html/gaoxiaotupian/" target=_blank>搞笑图片</A></TD>

  <TD vAlign=center align=middle width=2

      background=templates/default/images/tt_r4_c1.jpg><IMG height=22

      src="templates/default/images/tt_r5_c8.jpg" width=1></TD>

    <TD vAlign=center align=middle background=templates/default/images/tt_r4_c1.jpg><A

      href="http://www.huazhongpc.com/tianqi.php" target=_blank>天气预报</A></TD>

   </TR></TBODY></TABLE>



<TABLE style="MARGIN-TOP: 2px" cellSpacing=0 cellPadding=0 width=774

background=images/t2_05.gif border=0>

  <TBODY>

  <TR><td>

<SCRIPT language=JavaScript>

<!---

today = new Date();

var hours = today.getHours();

var minutes = today.getMinutes();

var seconds = today.getSeconds();

var timeValue = "<FONT COLOR=#000000>" + (hours);

timeValue += ((minutes < 10) ? "<FONT COLOR=#000000>:</FONT></BLINK>0" : "<FONT COLOR=#000000>:</FONT></BLINK>") + minutes+"</FONT></FONT>";

function initArray(){

this.length=initArray.arguments.length

for(var i=0;i<this.length;i++)

this[i+1]=initArray.arguments[i] }

var d=new initArray("<font color=#0000ff>星期天","<font color=#000000>星期一","<font color=#000000>星期二","<font color=#000000>星期三","<font color=#000000>星期四","<font color=#000000>星期五","<font color=#FEFF80>星期六");

document.write("<font color=#000000>",today.getYear(),"年","",today.getMonth()+1,"月","",today.getDate(),"日 </FONT>",d[today.getDay()+1]," "); //-->

</SCRIPT>

<font color=#0000ff>(友情提醒:按"Ctrl键+F"查找你所在城市的天气情况)</font><form name="form1" action="http://weather.tq121.com.cn/detail.php">

                       <input name="city" type="text" size="20">

                          <input type="submit" value="搜索">

                      </form>

</TD></TR>   



</TBODY></TABLE>

<TABLE style="MARGIN-TOP: 2px" cellSpacing=0 cellPadding=0 width=774

background=images/t2_05.gif border=0>

  <TBODY>

  <TR>

    <TD width=20><IMG height=21 src="images/t2_04.gif" width=13></TD>

    <TD class=c1 width=153>中国天气查询 </TD>

    <TD width=14><IMG height=21 src="images/t2_06.gif" width=14></TD>

    <TD align=right background=images/t2_07.gif>

        

数据来源：<A

      href="http://www.tq121.com.cn/"

      target=_blank>中央气象台</A></TD>

    <TD width=7><IMG height=21 src="images/t2_08.gif"

  width=7></TD></TR></TBODY></TABLE>

<DIV id=guonei_h24 name="guonei_h24">

<TABLE cellSpacing=1 cellPadding=1 width=774 bgColor=#ababab border=0>

  <TBODY>



<?php

$str = file("http://tq.tom.com/china/index.html");

$count = count($str);

for ($i=0;$i<$count;$i++){

    $file .= $str[$i];

}

$tomtq = explode("<table width=/"774/" border=/"0/" cellspacing=/"1/" cellpadding=/"1/" bgcolor=/"#ABABAB/">",$file);

$tomtq = explode("</table>",$tomtq[1]);

$tomtq= $tomtq[0];

echo $tomtq;

?>



  </TBODY></TABLE>

  <TABLE cellSpacing=1 cellPadding=0 width=774 align=center border=0>

  <TBODY>

  <TR>

    <TD bgColor=#bbf1ff>

      <TABLE cellSpacing=5 cellPadding=0 width=774 border=0>

        <TBODY>

        <TR>

          <TD align=middle><A href="http://www.86mm.com.cn/"

            target=_blank>联系我们</A> <FONT color=#000099>-</FONT>  <A

           

            href="http://www.86mm.com.cn/#">设置首页</A> <FONT color=#000099>-</FONT>

            <A href="http://sms.25vod.com/public/fullscreen/golink.php?smsid=107"

            target=_blank>广告服务</A> <FONT color=#000099>-</FONT> <FONT

            color=#ff0000><A href="http://sms.25vod.com/public/fullscreen/golink.php?smsid=107"

            target=_blank>友情链接</A></FONT></TD>

        </TR>

        <TR>

          <TD

            align=middle>本站内容来自于互联网搜索和网友改编、上传，本站提供的视频、音乐片断仅供网友测试使用，<BR>如发现相关内容侵犯了您的权益，请及时联系我们，本站将会及时予以删除<BR>

          联系QQ：231734624

            联系E-mail:wangsua@163.com<BR>

            Copyright ? 2005-2008 86mm.com.cn Inc. All

            rights reserved. 华中美女网 版权所有 <BR><script language="javascript" type="text/javascript" src="http://js.users.51.la/882050.js"></script>

<noscript><a href="http://www.51.la/?882050" target="_blank"><img alt="我要啦免费统计" src="http://img.users.51.la/882050.asp" style="border:none" /></a></noscript><a href=http://www.miibeian.gov.cn/>鄂ICP备06012810号</a><BR>

            </TD>

        </TR></TBODY></TABLE></TD></TR></TBODY></TABLE>

  

</DIV>

</CENTER></BODY></HTML>

树模页里： http://86mm.com.cn/tianqi.php

一些经常使用的函数
CODE:

[PHP] 杂文本检察 复造代码

// ####################### 获取文件流并转换成字符串 #######################

function openfile($url)

{

if(file($url)){

        $str = file($url);

        $count = count($str);

        for ($i=0;$i<$count;$i++){

        $file .= $str[$i];

                        

                                 }

        return $file;

              } else { die("文件打开失败!"); }

}

// ####################### 切分字符串 #######################

function cut($start,$end,$file){

        $content=explode($start,$file);

        $content=explode($end,$content[1]);

        return  $content[0];

}

// ####################### 清除垃圾代码 #######################

function del($start,$end,$content){

       $del=cut($start,$end,$content);

       $content=str_replace($del,"",$content);

       $content=str_replace($start.$end,"",$content);

       return $content;

      

     

}

// ####################### 分析域名 #######################

function getname($url)

{

$referer = preg_replace("/https?:([^//]+).*/i", "//1", $url);

$referer = str_replace("www.", "", $referer);

return $referer;

}



// ####################### 清除HTML代码table #######################

function clstable($content)

{

$clscontent= preg_replace("/<table[^>]*?>.*?<//table>/si", "", $content);

return $clscontent;

}

// ####################### 清除HTML代码script #######################

function clsscript($content)

{

$clscontent= preg_replace("/<script[^>]*?>.*?<//script>/si", "", $content);

return $clscontent;

}

// ####################### 清除HTML代码div #######################

function clsdiv($content)

{

$clscontent= preg_replace("/<div[^>]*?>.*?<//div>/si", "", $content);

return $clscontent;

}



// ####################### 清除HTML代码iframe #######################

function clsifr($content)

{

$clscontent= preg_replace("/<IFRAME[^>]*?>.*?<//IFRAME>/si", "", $content);

return $clscontent;

}



// ####################### 清除HTML代码tr,td #######################

function clstrtd($content)

{

$clscontent= preg_replace("/<td[^>]*?>.*?<//td>/si", "", $content);

$clscontent= preg_replace("/<tr[^>]*?>.*?<//tr>/si", "", $clscontent);

$clscontent= preg_replace("/<tr[^>]*?>/si","",$clscontent);

$clscontent= preg_replace("/<td[^>]*?>/si","",$clscontent);

$clscontent= preg_replace("/<//tr>/si","",$clscontent);

$clscontent= preg_replace("/<//td>/si","",$clscontent);

return $clscontent;

}

// ####################### 清除HTML代码超链接 #######################

function clsa($content)

{

$clscontent= preg_replace("/<a[^>]*?>.*?<//a>/si", "", $content);

return $clscontent;

}

// ####################### 彻底清除所有HTML代码#######################

function clearhtml($content)

{

$search = array ("'<script[^>]*?>.*?</script>'si",  // 去掉 javascript

                 "'<[///!]*?[^<>]*?>'si",           // 去掉 HTML 标记

                 "'([/r/n])[/s]+'",                 // 去掉空白字符

                 "'&(quot|#34);'i",                 // 替换 HTML 实体

                 "'&(amp|#38);'i",

                 "'&(lt|#60);'i",

                 "'&(gt|#62);'i",

                 "'&(nbsp|#160);'i",

                 "'&(iexcl|#161);'i",

                 "'&(cent|#162);'i",

                 "'&(pound|#163);'i",

                 "'&(copy|#169);'i",

                 "'&#(/d+);'e");                    // 作为 PHP 代码运行

$replace = array ("",

                  "",

                  "//1",

                  "/"",

                  "&",

                  "<",

                  ">",

                  " ",

                  chr(161),

                  chr(162),

                  chr(163),

                  chr(169),

                  "chr(//1)");

$text = preg_replace ($search, $replace, $content);

return $text;

}

// ####################### 写入缓存文件 #######################

function writetocache($cachedir,$cachename, $cachedata = '') {

    $cachedir = './'.$cachedir.'/';

    $cachefile = $cachedir.$cachename.'.php';

    if(!is_dir($cachedir)) {

                        @mkdir($cachedir, 0777);

          }

    if(!is_dir($cachedir)) {

      @mkdir($cachedir, 0777);

    }

    if(@$fp = fopen($cachefile, 'wb')) {

      @fwrite($fp, $cachedata);

      @fclose($fp);

      @chmod($cachefile, 0777);

    } else {

      echo 'Can not write to cache files, please check directory ./cache/ .';

      exit;

    }

}

// ####################### 获取文件里的html链接 #######################

function geturl($re,$ufile,$rep1,$rep2){

preg_match_all ($re,

    $ufile,

    $out, PREG_PATTERN_ORDER);

$result=count($out[1]);

$i=0;

while($i<$result)

{

$outs[$i]=str_replace($rep1,$rep2,$out[1][$i]);

$i++;

}

//合并相同的链接并重新索引...

$reout=array();

$reout=resetar($outs);

return $reout;

}

对一个目的网站的片面收罗
对一个目的网站的片面收罗，包罗以下几个步散：
1。阐发尾页或分类页的html源码
2。根据阐发，写出正则表达式，收罗尾页或分类页里里的链接
3。将链接做为目的页里，停止两次收罗。
4.将收罗的内乱容做进一步处置。

规范：对86mm.com.cn网站的片面收罗
一，对尾页源码阐发，找出链接纪律
该网站尾页源码检察： http://86mm.com.cn/files.php?id=http://86mm.com.cn
阐发有用链接：
CODE:

[PHP] 杂文本检察 复造代码

<TR><TD><a href="html/xingaijiankang/8104.html" target="_blank" title="男性生殖保健">

男性生殖保健</a></TD></TR>

如今我们便要找出形如"html/xingaijiankang/8104.html"相似字符串的一切链接。

规范：对86mm.com.cn网站的片面收罗
两，写正则表达式，找出尾页里的一切链接
枢纽字符串：|<a href="html/xingaijiankang/8104.html" target="_blank"|
正则婚配划定规矩:
$re="|<a href=/"(html///w+///d{1,5}/.html)/" target=/"_blank/"|U";
找一切链接,并显现成果：
CODE:

[PHP] 杂文本检察 复造代码

<?php

// ####################### 获取文件里的html链接 #######################

function geturl($re,$ufile,$rep1,$rep2){

preg_match_all ($re,

    $ufile,

    $out, PREG_PATTERN_ORDER);

$result=count($out[1]);

$i=0;

while($i<$result)

{

$outs[$i]=str_replace($rep1,$rep2,$out[1][$i]);

$i++;

}

//合并相同的链接并重新索引...

$reout=array();

$reout=resetar($outs);

return $reout;

}

set_time_limit(0);



$url=$_GET['http://86mm.com.cn'];

$ufile=file_get_contents($url);

$re="|<a href=/"(html///w+///d{1,5}/.html)/" target=/"_blank/"|U";

$rep1="";

$rep2="";



$urls=geturl($re,$ufile,$rep1,$rep2);

$result=count($urls);



echo "共找到".$result."个链接<br>";

$i=0;

while($i<$result)

{



$outurl[$i]="http://86mm.com.cn/".$urls[$i];

echo $outurl[$i]."<br>";

$i++;

}

?>

规范：对86mm.com.cn网站的片面收罗
三，对内乱容页里html源码阐发，收罗题目战内乱容(本规范次要收罗页里题目战内乱容)
检察源码： http://86mm.com.cn/files.php?id= ... einvzipai/8061.html
阐发：
CODE:

[PHP] 杂文本检察 复造代码

<TITLE>世界上最搞笑的屁股⌒-mianfeidianying,中国美女网,性爱,免费,短片,视频,恶搞,搞笑图片</TITLE>

那部门能够用cut("<TITLE>","</TITLE>",$file)间接获得，然后把前面过剩的尾巴换失落。
次要内乱容部门集合正在
CODE:

[PHP] 杂文本检察 复造代码

<td height="15" valign="top">..............<!--流量交换-->

那一区间内乱，我们能够再次cut()一下，获得内乱容。
如许题目我内乱容便齐获得了。。
详细完成代码:
CODE:

[PHP] 杂文本检察 复造代码

<?php

// ####################### 切分文件流 #######################

function cut($start,$end,$file){

        $content=explode($start,$file);

        $content=explode($end,$content[1]);

        return  $content[0];

}

// ####################### 清除垃圾代码 #######################

function del($start,$end,$content){

       $del=cut($start,$end,$content);

       $content=str_replace($del,"",$content);

       $content=str_replace($start.$end,"",$content);

       return $content;

      

     

}

set_time_limit(0);



$url=$_GET['id'];

$files=file_get_contents($url);

$title=cut("<TITLE>","</TITLE>",$files);

//清除标题后面的多余字符串

$title=str_replace("-mianfeidianying,中国美女网,性爱,免费,短片,视频,恶搞,搞笑图片","",$title);

$content=cut("<td height=/"15/" valign=/"top/">","<!--流量交换-->"

,$files);

//清除内容里的一句广告词

$content=del("<font color=red>","</font>",$content);



echo $title."<br>";

echo $content;

?>

如许，我们就能够获得一个页里内乱的题目战内乱容了。。

规范：对86mm.com.cn网站的片面收罗
四，批量获得尾页里一切链接的题目战内乱容，并以php文件的情势保留。
上面，我们要用法式顺次翻开86mm.com.cn尾页里一切链接，并获得响应的题目战内乱容，存为php文件，固然您能够天生别的格局的文件或放进数据库里，那以小我私家需求而定。
代码以下：
CODE:

[PHP] 杂文本检察 复造代码

<?php

// ####################### 获取文件里的html链接 #######################

function geturl($re,$ufile,$rep1,$rep2){

preg_match_all ($re,

    $ufile,

    $out, PREG_PATTERN_ORDER);

$result=count($out[1]);

$i=0;

while($i<$result)

{

$outs[$i]=str_replace($rep1,$rep2,$out[1][$i]);

$i++;

}

//合并相同的链接并重新索引...

$reout=array();

$reout=resetar($outs);

return $reout;

}

// ####################### 切分文件流 #######################

function cut($start,$end,$file){

        $content=explode($start,$file);

        $content=explode($end,$content[1]);

        return  $content[0];

}

// ####################### 清除垃圾代码 #######################

function del($start,$end,$content){

       $del=cut($start,$end,$content);

       $content=str_replace($del,"",$content);

       $content=str_replace($start.$end,"",$content);

       return $content;

      

     

}

// ####################### 清除数组里的重复值并重新索引数组 #######################

function resetar($outs){

$reout=array();

$reouts=array();

$reout=array_unique($outs);

foreach($reout as $key=>$value){

array_push($reouts,$value);

}

return $reouts;

}

// ####################### 写入缓存文件 #######################

function writetocache($cachedir,$cachename, $cachedata = '') {

    $cachedir = './'.$cachedir.'/';

    $cachefile = $cachedir.$cachename.'.php';

    if(!is_dir($cachedir)) {

                        @mkdir($cachedir, 0777);

          }

    if(!is_dir($cachedir)) {

      @mkdir($cachedir, 0777);

    }

    if(@$fp = fopen($cachefile, 'wb')) {

      @fwrite($fp, "<?php/r/n//天涯风云，版权所有/r/n//Created on /r/n/r/n".$cachedata."/r/n/r/n?>");

      @fclose($fp);

      @chmod($cachefile, 0777);

    } else {

      echo 'Can not write to cache files, please check directory ./cache/ .';

      exit;

    }

}

// ####################### 创建缓存文件 #######################

function content_recache($cachedir,$i,$title,$content) {

  

  $contents = "/$catecache = array(/r/n";

    $contents.="/t'title' => '".$title."',/r/n'content'=> '".$content."'/r/n";

  $contents .= ");";

  writetocache($cachedir,$i,$contents);

echo "./".$cachedir."/".$i.".php文件创建成功!<br>";

}

set_time_limit(0);



$url='http://86mm.com.cn';

$ufile=file_get_contents($url);

$re="|<a href=/"(html///w+///d{1,5}/.html)/" target=/"_blank/"|U";

$rep1="";

$rep2="";



$urls=geturl($re,$ufile,$rep1,$rep2);

$result=count($urls);



echo "共找到".$result."个链接<br>";

$i=0;

while($i<$result)

{



$outurl[$i]="http://86mm.com.cn/".$urls[$i];//对取得的链接加域名，得到实际地址

echo $outurl[$i]."<br>";

$files[$i]=file_get_contents($outurl[$i]);

$title[$i]=cut("<TITLE>","</TITLE>",$files[$i]);

$title[$i]=str_replace("-mianfeidianying,中国美女网,性爱,免费,短片,视频,恶搞,搞笑图片","",$title[$i]);

$content[$i]=cut("<td height=/"15/" valign=/"top/">","<!--流量交换-->"

,$files[$i]);

//清除内容里的一句广告词

$content[i]=del("<font color=red>","</font>",$content[i]);



//将取得的标题和内容写入文件

content_recache("86mm",$i,$title[$i],$content[$i]);

$i++;

}



?>

示例中，将获得的题目战内乱容存为php数组情势的文件，次要为了文件做前期处置，或写进数据库，或天生html文档皆能够

上一篇：PHP表单提交引号前主动减反斜杠的三种封闭php把戏引号办法
下一篇：利用PHP战JavaScript跨域挪用