PHP html dom php+正則 采集文章代碼
Jun 08, 2016 pm 05:28 PM
//包含PHP Simple html Dom 類庫文件
include_once('./simplehtmldom/simple_html_dom.php');
//采集html
function getwebcontent($url){
$ch = curl_init();
$timeout = 10;
curl_setopt($ch, CURLOPT_URL, $url);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
curl_setopt($ch, CURLOPT_CONNECTTIMEOUT, $timeout);
curl_setopt ($ch, CURLOPT_FOLLOWLOCATION, 1);
$contents = trim(curl_exec($ch));
curl_close($ch);
return $contents;
}
//獲得標題和url
$string =
getwebcontent('http://www.babytree.com/learn/zhunbeihuaiyun/jijibeiyun/2');
//正則匹配
preg_match_all ("/
$string, $out, PREG_SET_ORDER);
foreach($out as $key => $value){
$article['title'][] = $out[$key][2];
$article['link'][] = "http://www.babytree.com/learn/article/".$out[$key][1];
}
//根據(jù)url獲取文章內(nèi)容
foreach($article['link'] as $key=>$value){
$html = file_get_html($value);
$div = $html->find('div[id=pagenum_0]');
$article[content][] = $div[0]->innertext;
}
//標題轉(zhuǎn)碼---真正用的時候不用這步--因為咱本來就要用utf8的
//不轉(zhuǎn)碼還真不能保存成文件
foreach($article[title] as $key=>$value){
$article[title][$key] = iconv('utf-8', 'gbk', $value);//轉(zhuǎn)碼
}
//存入文件
$num = count($article['title']);
for($i=0; $i file_put_contents("{$article[title][$i]}.txt", $article['content'][$i]);
}
/*本來想12點之前發(fā)的。。但小看一下都3點半了。。。 就算昨天的吧
本來獲取文章內(nèi)容時用正則是最好的，速度也是最快的，
奈何正則是好，但正則表達式是真難！于是乎小查了一下，
網(wǎng)上也有很多人也在用PHP Simple Dom 雖然效率慢了點，但效果還是不錯的
從包含類庫文件到寫入txt文件 大概是7/8就秒 還有帶于進一步優(yōu)化，特別是那獲取文章內(nèi)容時的正則，那個太惡心了
大家可以小研究一下*/
?>
熱AI工具
Undress AI Tool
免費脫衣服圖片
Undresser.AI Undress
人工智能驅(qū)動的應(yīng)用程序，用于創(chuàng)建逼真的裸體照片
AI Clothes Remover
用于從照片中去除衣服的在線人工智能工具。
Clothoff.io
AI脫衣機
Video Face Swap
使用我們完全免費的人工智能換臉工具輕松在任何視頻中換臉！
熱門文章
熱工具
記事本++7.3.1
好用且免費的代碼編輯器
SublimeText3漢化版
中文版，非常好用
禪工作室 13.0.1
功能強大的PHP集成開發(fā)環(huán)境
Dreamweaver CS6
視覺化網(wǎng)頁開發(fā)工具
SublimeText3 Mac版
神級代碼編輯軟件(SublimeText3)
'`vs.` `在html中
Jul 19, 2025 am 12:41 AM
是塊級元素，用于劃分大塊內(nèi)容區(qū)域；是內(nèi)聯(lián)元素，適合包裹小段文字或內(nèi)容片段。具體區(qū)別如下：1.獨占一行，可設(shè)置寬高、內(nèi)外邊距，常用于布局結(jié)構(gòu)如頭部、側(cè)邊欄等；2.不換行，僅占據(jù)內(nèi)容寬度，用于局部樣式控制如變色、加粗等；3.使用場景上，適用于整體區(qū)域的排版與結(jié)構(gòu)組織，而用于不影響整體布局的小范圍樣式調(diào)整；4.嵌套時，可包含任何元素，而內(nèi)部不應(yīng)嵌套塊級元素。
初學(xué)者的基本HTML標簽
Jul 27, 2025 am 03:45 AM
要快速入門HTML，只需掌握幾個基礎(chǔ)標簽即可搭建網(wǎng)頁骨架。1.頁面結(jié)構(gòu)必備、和，其中是根元素，包含元信息，是內(nèi)容展示區(qū)域。2.標題使用到，級別越高數(shù)字越小，正文用標簽分段，避免跳級使用。3.鏈接使用標簽并配合href屬性，圖片使用標簽并包含src和alt屬性。4.列表分為無序列表和有序列表，每個條目用表示且必須嵌套在列表中。5.初學(xué)者不必強記所有標簽，邊寫邊查更高效，掌握結(jié)構(gòu)、文本、鏈接、圖片和列表即可制作基礎(chǔ)網(wǎng)頁。
影子dom概念和HTML集成
Jul 24, 2025 am 01:39 AM
ShadowDOM是Web組件技術(shù)中用于創(chuàng)建隔離DOM子樹的技術(shù)。1.它允許在普通HTML元素上掛載獨立的DOM結(jié)構(gòu)，擁有自己的樣式和行為，不與主文檔互相影響；2.通過JavaScript創(chuàng)建，例如使用attachShadow方法并設(shè)置mode為open；3.結(jié)合HTML使用時具備結(jié)構(gòu)清晰、樣式隔離和內(nèi)容投影（slot）三大特點；4.注意事項包括調(diào)試復(fù)雜、樣式作用域控制、性能開銷及框架兼容性問題?？傊琒hadowDOM提供了原生封裝能力，適用于構(gòu)建可復(fù)用且不污染全局的UI組件。
為什么我的圖像未顯示在HTML中？
Jul 28, 2025 am 02:08 AM
圖像未顯示通常因文件路徑錯誤、文件名或擴展名不正確、HTML語法問題或瀏覽器緩存導(dǎo)致。1.確保src路徑與文件實際位置一致，使用正確的相對路徑；2.檢查文件名大小寫及擴展名是否完全匹配，并通過直接輸入URL驗證圖片能否加載；3.核對img標簽語法是否正確，確保無多余字符且alt屬性值恰當；4.嘗試強制刷新頁面、清除緩存或使用隱身模式排除緩存干擾。按此順序排查可解決大多數(shù)HTML圖片顯示問題。
html'樣式”標簽：內(nèi)聯(lián)與內(nèi)部CSS
Jul 26, 2025 am 07:23 AM
樣式放置方式需根據(jù)場景選擇。1.Inline適合單元素臨時修改或JS動態(tài)控制，如按鈕顏色隨操作變化；2.內(nèi)部CSS適合頁面少、結(jié)構(gòu)簡單項目，便于集中管理樣式，如登錄頁基礎(chǔ)樣式設(shè)置；3.優(yōu)先考慮復(fù)用性、維護性及性能，大項目拆分外鏈CSS文件更優(yōu)。
您可以在另一個標簽中放置一個標簽嗎？
Jul 27, 2025 am 04:15 AM
?Youcannotnesttagsinsideanothertagbecauseit’sinvalidHTML;browsersautomaticallyclosethefirstbeforeopeningthenext,resultinginseparateparagraphs.?Instead,useinlineelementslike,,orforstylingwithinaparagraph,orblockcontainerslikeortogroupmultipleparagraph
html'鏈接”預(yù)取DNS
Jul 23, 2025 am 02:19 AM
提前解析DNS能加快頁面加載速度，使用HTML的link標簽進行DNS預(yù)解析是有效方法；DNSPrefetching是通過提前解析域名，節(jié)省后續(xù)請求時間；適用場景包括第三方字體、廣告統(tǒng)計腳本、資源托管和CDN域名；建議優(yōu)先處理主頁面依賴資源，合理控制數(shù)量在3～5個，并搭配preconnect使用效果更佳。
輸入標簽中的名稱屬性是什么？
Jul 27, 2025 am 04:14 AM
thenAmeatTributeInAninputTagisusIfe to IndentifyTheInputWhentheFormisSubSted; iservesAsTheKeyInthekey-ValuePairsentTotheserver，wheretheuser'sinputisthevalue.1.whenaformented，
