php 抓取新浪新聞的程式碼

首先，需要下載一個simple_html_dom第三方擴充庫，具體下載方式和使用詳情可以查看:simple_html_dom的使用.

需要環境支援file_get_contents()函數和curl的支援,具體代碼如下：

<?php function timingimg($url,$dirname,$interval){  ignore_user_abort(); //瀏覽器關閉，程式繼續執行  set_time_limit(0);//忽略到預設30秒逾時  $interval = empty($interval)?3600:$interval;  $dirname = empty($dirname)?'news/':$dirname;  if(empty($url)){    die('請輸入目標網址！！！');  }  do{    $arr = loadimg($url,$dirname); return $arr;    //返回抓取內容所儲存的路徑 sleep($interval); die;  }while(true);}  /***擷取所有新聞連結*參數 $url  新聞列表地址*參數 $dirname 新聞圖片儲存路徑* 返回 二維數組  所有新聞記錄*/function loadimg($url,$dirname){   set_time_limit(0);  include_once('simple_html_dom.php');  $ch = curl_init();  curl_setopt($ch,CURLOPT_URL,$url);  curl_setopt($ch,CURLOPT_HEADER,false);  curl_setopt($ch,CURLOPT_RETURNTRANSFER,1);  $output = curl_exec($ch);  curl_close($ch);  $html = new simple_html_dom();  $html->load($output);  $images = array();  $arr = array();  foreach($html->find('li  a') as $element){     if( preg_match('#^http:\/\/tech\.sina\.com\.cn\/it\/[\d]{4}\-[\d]{1,2}\-[\d]{1,2}\/[\d]+\.shtml$#i',$element->href)){   array_push($images,$element->href);  } }  $images = array_unique($images);    sort($images);  for($i=0;$i<10;$i++){  //只抓取10條記錄   $arr[] = getcontent($images[$i],$dirname); }  return $arr; } /***** 抓取單個新聞內容*參數  $url 新聞頁面地址*參數  $dirname 圖片儲存路徑*返回 一個新聞記錄 一維數組*/function getcontent($url,$dirname){ include_once('simple_html_dom.php'); $html = new simple_html_dom(); $data = file_get_contents($url); $html->load($data);      $arr = array();    foreach($html->find('h1#artibodyTitle') as $element){    $arr['title']= @iconv('gbk','utf-8', $element->innertext);;   }   $str = '';   foreach($html->find('div#artibody p') as $element){    $str.= $element;         }   $arr['content'] = $str;   foreach($html->find('div.img_wrapper img') as $element){      $arr['alt'] =$element->alt;      $data = file_get_contents($element->src);      $info = getimagesize($element->src);//get image information      switch($info[2]){        case 1:       $str = 'gif';       break;        case 2:       $str = 'jpg';       break;        case 3:       $str = 'png';       break;        default:       continue;       break;      }      $filename = time().rand(1,999999).'.'.$str;       if(!is_dir($dirname)){        mkdir($dirname,0777,true);      }      $fp = fopen($dirname.$filename,'w');                  fwrite($fp,$data);      fclose($fp);      $arr['img'] = $dirname.$filename;          }   return $arr;}?>

如果大家有更好的建議，歡迎提出來