|
- 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*/
- [email=$fp=@fopen($filename.$ext,]$fp=@fopen($filename.$ext,"a[/email]");
- /*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。
复制代码 |
|