PHP写采集心得

　　在论坛好久了没有怎么正式的发表过东西，今天给大家共享一下我的采集代码!

　　思路：

　　采集程序的思路很简单大体可以分为以下几个步骤：

　　1.获取远程文件源代码(file_get_contents或用fopen).

　　2.分析代码得到自己想要的内容(这里用正规匹配，一般是得到分页)。

　　3.跟根得到的内容进行下载入库等操作。

　　在这里第二步有可能要重复的操作好几次，比如说要先分析一下分页地址，在分析一下内页的内容才能取得我们想要的东西。

　　代码：

　　记的以前发部过部分的代码今天我在这里在简单的发部一下

　　复制PHP内容到剪贴板

　　PHP代码:

　　@$nl=file_get_contents($rs['url']);//抓取远程内容

　　preg_match_all("/var url = "gameswf/(.*?).swf";/is",$nl,$connect);//进行正规匹配取得自己要的内容

　　mysql_query("insert ......插入数据库部分");

　　上面的代码就是所有采集要用到的代码了，当然大家也可以用fope来作，我个人喜欢用file_get_contents。

　　下面在共享一下我的下载图片flash到本地的办法，太简单了两行代码

　　复制PHP内容到剪贴板

　　PHP代码:

　　if(@copy($url,$newurl)){

　　echo 'ok';

　　}

　　在论坛上以前还发过一个图片下载函数这会也放上来给大家

　　复制PHP内容到剪贴板

　　PHP代码:

　　/*本存图片函数*/

　　function getimg($url,$filename){

　　/*判断图片的url是否为空，如果为空停止函数*/

　　if($url==""){

　　return false;

　　}

　　/*取得图片的扩展名，存入变量$ext中*/

　　$ext=strrchr($url,".");

　　/*判断是否是合法的图片文件*/

　　if($ext!=".gif" && $ext!=".jpg"){

　　return false;

　　}

　　/*读取图片*/

　　$img=file_get_contents($url);

　　/*打开指定的文件*/

　　$fp=@fopen($filename.$ext,"a");

　　/*写入图片到指点的文件*/

　　fwrite($fp,$img);

　　/*关闭文件*/

　　fclose($fp);

　　/*返回图片的新文件名*/

　　return $filename.$ext;

　　}

　　共享一下个人的采集心德：

　　1.不采那些作防盗链了的站，其实可以作假来路但是这样的站采集成本太高

　　2.采集尽量快的站，最好在本地进行采集

　　3.采集时有很多时候可以先把一部分数据存入数据库，等以后进行下一步的处理。

　　4.采集的时候一定要作好出错处理，我一般都是如果采集三次没有成功就跳过。以前经常就因为一条内容不能采就卡在那里一直的采。

　　5.入库前一定要作好判断，检查内容的合法，过滤不必要的字符串。

评论总数：0 条 [ 查看全部 ] 网友评论