新浪新闻采集程序

gemliu

[PHP]代码

1. <?php
   
2.     //error_reporting(0);
   
3.     $date=date("Ymd");
   
4.     //echo $date;
   
5.     $url="http://top.finance.sina.com.cn/ws/GetTopDataList.php?top_type=day&top_cat=all&top_time=".$date."&top_show_num=20&top_order=ASC";
   
6.     $doc=file_get_contents($url);
   
7.     header("Content-Type:text/html;charset=gb2312");//UNICODE转GB2312
   
8.     //echo $doc;
   
9.     preg_match_all('/"url":".*l/U',$doc,$article);//获取文章列表
   
10.     $article=current($article);//二维数组转一维数组
    
11.     //print_r($article);
    
12.     $rule="/\"url\":(.*)\"\"/";
    
13.     function OnlyUrl($string){
    
14.        $string=stripslashes($string);
    
15.        $string=str_replace('"url":"',"",$string);
    
16.        return $string;
    
17.     }
    
18.      
    
19.     function GetTitle($url){  //获取文章标题
    
20.       $doc=file_get_contents($url);
    
21.       $rule="/<h1 (.*)<\/h1>/";
    
22.       preg_match($rule,$doc,$result);
    
23.       echo $result;
    
24.     }
    
25.     foreach($article as &$value){
    
26.         $value=OnlyUrl($value);
    
27.     }//提取了URL
    
28. ?>
    
29. <?php
    
30.   function GetTitle($url){  //获取文章标题
    
31.     $rule="/<h1 (.*)<\/h1>/";
    
32.     preg_match_all($rule,$doc,$result);
    
33.     $rule="/>(.*)</";//截掉<h1></h1>
    
34.     preg_match($rule,$result[0][1],$title);
    
35.     return $title[1];
    
36.   }
    
37.   function GetContent($url){
    
38.     $doc=file_get_contents($url);//打开网页
    
39.   // echo $doc;
    
40.     $rule="/publish_helper(.*)publish_helper_end/xs";
    
41.     preg_match($rule,$doc,$result);//取出正文部分
    
42.     //echo $result[0];
    
43.     $rule="/publish_helper(.*)<\/blockquote>/xs";
    
44.     preg_match($rule,$result[0],$out);//取出链接部分
    
45.     //print_r($out);
    
46.     $content=str_replace($out[0],"",$result[0]);//提取纯文字段的内容
    
47.     echo $content;
    
48.   }
    
49. ?>

复制代码

renxiao2003

采集哪些新闻啊。