PHP抓新闻

这是很久以前写的一个抓新浪新闻的东西了，目的是为了方便学校同学不花钱上内网看时事新闻。我是从新浪rss先抓取内容html网址，再进一步匹配标题，正文，图片……
今天又对代码做了点小改动：
//检查是否实视频，是视频则不抓取
if(strpos($title[1],"视频",0)!==false){//以前写的是!=
echo "不抓取视频！";
return false;
}
!==和!=，===和==他们的区别主要就是在判断值是否相等的同时，还要判断两者的类型。以前看书的时候看过，不过到还没真正应用到过自己的代码里面。
http://www.stuhome.net/readnews/   这就是我以前写的那个抓新闻板块。

<?php
require_once(dirname(__FILE__)."/../global.php");
//抓取网页内容
set_time_limit(0);

$line = file_get_contents("http://rss.sina.com.cn/sports/basketball/nba.xml"); 
$line = strstr( $line, "<item>");

$line=explode("</item>",$line);

$count=count($line);
for($i=0;$i<$count;$i++){
	eregi ("<pubDate>(.*)</pubDate>",$line[$i],$time);
	//取得链结
	if (eregi ("<link>(.*)</link>",$line[$i],$out)) { 
		$news = file_get_contents("$out[1]");
		if(eregi ("<h1>(.*)</h1>",$news,$title)){		//匹配标题
			preg_replace("/ /","",$title[1]);		//去除标题中的空格
			$title[1] = trim($title[1]);
			$title[1]=strip_tags($title[1]);					//去除标题中的的HTML标记
			//$title[1] = addslashes($title[1]);

			//检查是否实视频，是视频则不抓取
			if(strpos($title[1],"视频",0)!==flase){
				echo "不抓取视频！";
				//exit;
				return false;
			}
			echo $title[1];
			echo "<br>";
		}else{
			$title[1]="";
		}
		
		$dt=getdate();
		$hours=$dt[hours];
		$publish_time=$dt[year]."-".$dt[mon]."-".$dt[mday]."-".$hours."-".$dt[minutes]."-".$dt[seconds];
		if($title[1]!=""){
			$sql_title="select title from news where title='$title[1]'";
			$result=$DB->fetch_one_array($sql_title);
			if(empty($result)){

				//取出正文部分
				$news = strstr($news,"<!--正文内容开始-->");
				$news = explode("<!--正文内容结束-->", $news);



				//匹配正文内容
				if(eregi ("<p>(.*)</p>",$news[0],$content)){
					echo $content[1];
					echo "<br>";
				}else{
					$content[1]="";
				}


				//匹配图片路径
				$picture_name="";
				$img="";
				$news=explode("border",$news[0]);
				for($j=0;$j<count($news);$j++){
					if(preg_match("/http:\/\/i(.*)\.(jpeg|png|jpg)/i",$news[$j],$picture)){
						$img[$j]=GrabImage($picture[0],""); 
							
						if($img[$j]){
							$imgpath[$j]=dirname(__FILE__)."/pictures/".$img[$j]; 
							echo '<pre><img src='.$imgpath[$j].'></pre>'; 
						}else{
							$img[$j]="";
						}
					}else{
						$picture[0]="";
						$img[$j]="";
					}
					$picture_name.=$img[$j];
				}

			}	
		}
	}
}

?>


<?php
// Function: 获取远程图片并把它保存到本地
// $url 是远程图片的完整URL地址，不能为空。
// $filename 是可选变量: 如果为空，本地文件名将基于时间和日期自动生成.
function GrabImage($url,$filename="") { 
	if($url==""){
		return false;
	}
	if($filename=="") { 
		$ext=strrchr($url,"."); 
		$temext = strrchr(strtolower($url),"."); 
		if($temext!=".jpg"&$temext!=".jpeg"){
			return false;
		}
		$filename=date("dMYHis").$ext;
		$filepath=dirname(__FILE__)."/pictures/".$filename; 
	} 

	ob_start(); 
	readfile($url); 
	$img = ob_get_contents(); 
	ob_end_clean(); 
	$size = strlen($img); 

	$fp2=fopen($filepath, "a"); 
	fwrite($fp2,$img); 
	fclose($fp2); 

	return $filename; 
} 
?>

评论

1 楼 imjl 2008-07-26  

file_get_contents，，，汗，，很少抓把，抓得范围也不广，，否则就不会用这个了。