php採集書

著作權聲明：原創作品，允許轉載，轉載時請務必以超連結形式標明文章原始出版、作者資訊和本聲明。否則將追究法律責任。http://blog.csdn.net/mayongzhan - 馬永占,myz,mayongzhan

 

記得上次有過一個叫採集後的處理
這個就是它的升級版本
連採再處理，合成一本書txt的。

<?php
/**
 * @name 採集書.php
 * @date Sun Mar 01 22:48:02 CST 2009
 * @copyright 馬永占(MyZ)
 * @author 馬永占(MyZ)
 * @link http://blog.csdn.net/mayongzhan/
 */

//header('Content-Type:text/html;charset=utf8');
header('Content-Type:text/html;charset=gb2312');
error_reporting(E_ALL);
date_default_timezone_set('Asia/Shanghai');
set_time_limit(0);

function writer($content,$url)
{
 $fp = fopen($url, 'ab');
 fwrite($fp, $content);
 fclose($fp);        
}

$folder = '2'; //檔案夾

$book_base_url = 'xxxxxxxxxxxxxxxxxxxxx';

$book_url = 'yyyyyyyyyyyyy.html';

$main = file_get_contents($book_base_url.$book_url);

preg_match_all('/chapter_.*?/.html/', $main, $pages);

$pages = array_unique($pages[0]);

foreach ($pages as $value) {
 writer(file_get_contents($book_base_url.$value), './'.$folder.'/'.$value.'.txt');
 
 $str = file_get_contents('./'.$folder.'/'.$value.'.txt');
 
 //print_r($str);
 preg_match("/(<h1>)(.*?)(<//h1>)(.*?)(<div id=/"contTxt/" class=/"contTxt1/">)(.*?)(<//div>)/s",$str,$arr);
 //print_r($arr);die();
 $arr[6] = preg_replace("/(<span[^>]+>.*?<a[^>]+>)(.*?)(<//a><//span>)/s","$2",preg_replace("/<p>|<//p>/","/r/n",$arr[6]));
 $result = "/r/n------------------------------------------------/r/n------------------------------------------------/r/n------------------------------------------------/r/n----------------".$arr[2]."/r/n------------------------------------------------/r/n------------------------------------------------/r/n------------------------------------------------/r/n".$arr[6];
 writer($result, './'.$folder.'/new.txt');
}
?>