自定义时间采集新浪的“新浪科技”栏目新闻(原型版)
具体的代码其实也不太难,自我感觉,主要是我不太会用正则,不会吧,应该说,呵呵,还有就是不太清楚到底preg_match(_all)匹配结果后的数组到底是怎么样形成的,结构是怎么样的,就是结果中动不动就有空啊,如果是二维的数组,这个二维中的第一个大数组又是从哪里来的,都不太明白,只是暂时能把新闻采集回来,而且还是可以采集任意一天的新闻。
具体代码如下:
<?php
$date = '2009-10-06';//格式为2009-10-01
$msg = file_get_contents('http://tech.sina.com.cn/tele/oldnews/'.$date.'.shtml');
preg_match_all('/<a href=(.*?) target=_blank>(.*)<//a><FONT style="font-size:11px" COLOR=#6666cc>(.*?)<//font>/',$msg,$arr);
$arr = array_unique($arr);
$count = count($arr[0]);
//echo $count;
for ($i=0;$i<$count;$i++){
echo $arr[0][$i].'<br />';
preg_match("/<a href=//t(.*?)//$date//(.*?)/.shtml target=_blank>/",$arr[0][$i],$url[$i]);
$content = file_get_contents('http://tech.sina.com.cn/t/'.$date.'/'.$url[$i][2].'.shtml');
preg_match("/<!-- publish_helper name='原始正文' (.*?)-->(.*?)<!-- publish_helper_end -->/is",$content,$cont);
$var = $cont[0];
echo $var;
}
?>
我的主要思路是先把'http://tech.sina.com.cn/tele/oldnews/'.$date.'.shtml'页面的列表找出来,然后在找出里面的新闻的具体ID,赋值给'http://tech.sina.com.cn/t/'.$date.'/'.$url[$i][2].'.shtml'这个连接,实际上就是新闻显页面的具体连接,这样就可以显示新闻了。(其中用到了FOR循环显示)
做的很简单,应该还有很多不足,希望高手指点啊,呵呵。