php新闻抓取

‘壹’ php怎么实现采集网易新闻，并且带有分页效果

对于第一项表单而言
比如:
内容的第一页http://php168.com/1/index-22.html
内容的第二页http://php168.com/1/index-22_2.htm
那么表单填.html
分析规则就是对比第一页与第二页的网址从左到右哪个字符出现不同,就把第一页网址之后的字符复制出来

如果是这种情况
http://php168.com/1/index.php?id=2&page=1
http://php168.com/1/index.php?id=2&page=2

对于这种情况,他后面不同的是一个数字,即是页码数字的话,就不需要填写.留空即可
对于第二项表单而言
第一页http://php168.com/1/index-22.html
第二页http://php168.com/1/index-22_2.htm
那么右边的表单填_[page].htm
分析规则就是对比第一页与第二页的网址从左到右哪个字符出现不同,就把第二页的网址之后的字符复制出来,并把变动的页码数字用[page]替换

如果是这种情况
http://php168.com/1/index.php?id=2&page=1
http://php168.com/1/index.php?id=2&page=2

对于这种情况,他后面不同的是一个数字,即是页码数字的话,更简单,只需要填写[page]即可
对于第三项表单而言
第一页http://php168.com/1/index.html
第二页http://php168.com/1/index_1.html
此时属于怪癖的,理论上应该是
第三页http://php168.com/1/index_2.html
所以表单请选择是,但一般情况都是选否的,也就是说页码数字为1却是第二页.页码数为2却是第三页.就属于特殊现象.需要选则是.

‘贰’ 怎样用 PHP 采集网站校园新闻的列表

$content=file_get_contents('url地址');preg_match('/标题的正则规则/'，$content,$arr)
遍历$arr

‘叁’ PHP 采集 新浪新闻列表 正则表达式

我觉得你可以分步做

先做个采集所有代码的函数
接着截取正文部分函数
再来个去掉格式函数
最后包装输出函数

分步的好处是调用方法 出错易排