一個php文本採集類

$C = new Collection(); $C->url = 'http://bbs.it-home.org/subject_search?cat=1001&search_text=%E5%B9%B4%E8%BD%BB%E4%BA%BA'; $C->startFlag = ' '; $C->endFlag = ''; $C->init(); $C->regExp = "|(.*) (.*) |Uis"; $C->parse(); print_rr($C->result); */ 複製代碼 php文本採集類檔案： <% /** 模組名：php文本採集類 **/ class Collection{ //入口 公有 var $url; //欲分析的url地址 var $content; //讀取到的內容 var $regExp; //要擷取部分的Regex var $codeFrom; //原文的編碼 var $codeTo; //欲轉換的編碼 var $timeout; //採集等待的時間 var $startFlag; //文章開始採集的標誌 預設為0 在進行採集條目時，只對$startFlag 和 $endFlag之間的文字塊進行搜尋和採集。 var $endFlag; //文章結束採集的標誌 預設為文章末尾 在進行採集條目時，只對$startFlag 和 $endFlag之間的文字塊進行搜尋和採集。 var $block; //$startFlag 和 $endFlag之間的文字塊 //出口 私人 var $result; //輸出結果 //初始化收集器 function init(){ if(empty($url)) $this->getFile(); $this->convertEncoding(); } //採集所需內容 function parse(){ $this->getBlock(); preg_match_all($this->regExp, $this->block ,$this->result,PREG_SET_ORDER); return $this->block; } //錯誤處理 function error($msg){ echo $msg; } //讀取遠程網頁 如果成功，傳迴文件；如果失敗傳回false function getFile(){ $datalines = @file($this->url); if(!$datalines){ $this->error("can't read the url:".$this->url); return false; } else { $importdata = implode('', $datalines); $importdata = str_replace(array ("\r\n", "\r"), "\n", $importdata); $this->content = $importdata; } } //擷取所需要的文字塊 function getBlock(){ if(!empty($this->startFlag)) $this->block = substr($this->content,strpos($this->content,$this->startFlag)); if(!empty($this->endFlag)) $this->block = substr($this->block,0,strpos($this->block,$this->endFlag)); } //內容編碼的轉換 function convertEncoding(){ if(!empty($this->codeTo)) $this->codeFrom = mb_detect_encoding($this->content); //如果給定轉換方案，才執行轉換。 if(!empty($this->codeTo)) $this->content = mb_convert_encoding($this->content,$this->codeTo,$this->codeFrom) or $this->error("can't convert Encoding"); } }//end of class ?> 複製代碼

