最近做了一个读取中国新闻网RSS的页面。
首先是把RSS文档下载下来保存到本地
- $xmlfile = 'news/'.date('YmdH').'.xml';
- $sourcexml = 'http://www.chinanews.com.cn/rss/scroll-news.xml';
- if( !file_exists($xmlfile) ) {
- $str = @file($sourcexml) or die('加载文件时出错。');
- $fp = fopen($xmlfile,'w') or die('写缓存失败!');
- fputs($fp,$str);
- fclose($fp);
然后用simplexml读取并输出HTML
- $xml = simplexml_load_file($xmlfile);
- $c = $xml->channel;
- $k = 0;
- foreach($c->item as $v) {
- $k ++;
- echo "
- <div class=/"newsline/">·<a title=/"$v->title/" href=/"$v->link/" target=/"_blank/">$v->title</a></div>
- ";
后来遇到了一个问题,就是RSS中经常包含有一些GBK的繁体字。google了很多字符集转换方面的文章。得出一个解法:
- $str = mb_convert_encoding( join('',$str), "gb2312", "GBK");
这个方法并不能繁体转为简体,会转成一个乱码,但至少能保证simplexml_load_file($xmlfile)执行成功。因为这些繁体字通常出现在描述里
,暂且接受。
再后来遇到另一个问题,描述里出现了形如“中新网12月30日电(闻育e?”的乱码,simplexml_load_file失败。
至此考虑用正则表达式获取标题和链接。(有文章说正则表达式效率可能更好,以后再验证)
代码如下:
- $fp = fopen($xmlfile,'r');
- if($fp)
- {
- $data = fread($fp,filesize($xmlfile));
- fclose($fp);
- preg_match_all(
- "/<item><title>(.*?)<//title><link>(.*?)<//link>/i",$data,$out,PREG_SET_ORDER);
- foreach($out as $key => $v)
- {
- $v[1] = iconv('gbk','utf-8',$v[1]);
- echo "
- <div class=/"newsline/">·<a title=/"$v[1]/" href=/"$v[2]/" target=/"_blank/">$v[1]</a></div>
- ";
- }
- }