微信文章抓取

最新推荐文章于 2024-10-09 17:23:38 发布

置顶 skarp_

最新推荐文章于 2024-10-09 17:23:38 发布

阅读量734

点赞数 1

分类专栏：文章抓取文章标签：正则表达式

本文链接：https://blog.csdn.net/skarp_/article/details/77220537

版权

文章抓取专栏收录该内容

1 篇文章 0 订阅

订阅专栏

<?php
class Wxarticle {
	/**
     *
     * 解析文章内容并组织返回参数
     * 
     */
	public function parseArticle($url){
		$con = file_get_contents($url);
		//正则表达式分为标题和内容
		$title_preg = '|<title>(.*)</title>|iUs';
		$content_preg = '|<div class="rich_media_content " id="js_content">(.*)</div>|iUs';
		$img_preg = '|msg_cdn_url = "(.*)";|iUs';
		$soure_preg = '|<span class="rich_media_meta rich_media_meta_text rich_media_meta_nickname">(.*)</span>|iUs';
		preg_match($title_preg,$con,$title_arr);//获取标题
		preg_match($img_preg,$con,$img_arr);//获取缩略图
		preg_match($content_preg,$con,$content_arr);//获取文章主体
		$preg_img="#<img.*src=\"(.*)\".*/>#iUs";
		preg_match_all($preg_img, $content_arr[1],$arr_img);
		// 组织返回参数
		$data = array();
		$data['title']    = str_replace('&nbsp;',' ',$title_arr[1]);
        $data['thumbnail']= $this->qiniu($img_arr[1]) ? $this->qiniu($img_arr[1]) : '';
        $data['content']  = trim($this->getContent($arr_img[1],$content_arr[1]));
    	return $data['title'] && $data['content'] ? $data : array();
	}




	/**
     *
     * 替换文章正文图片并返回正文主体
     * 
     */
	protected function getContent($arr_img,$content){
		foreach ($arr_img as $v){
			$img = $this->qiniu($v);
		    $content = str_replace('data-src="'.$v.'"','src="'.$img.'"',$content);
		}
		return $content;
	}




	/**
     *
     * 七牛图片上传
     * 
     */
	protected function qiniu($url){
        //微信文章图片有防盗链我想大家应该都是知道的，建议将匹配出来的图片传到七牛或者其他云服务
	}
}

点击查看更多