如何使你的站跟新浪的新闻数据保持同步
发布时间：2022-04-05 13:05:54 所属栏目：PHP教程 来源：互联网
导读：采集已经不是什么新名词了，很多站长为了省事，也局限于人力的缺乏，使用程序来给自己的网站添砖加瓦，比如本人的个人网站www.xxfsw.com也采集了大量的新闻，那么如果实现呢？今天我们运用php来实现这个功能。 谈到采集，我们不得不说两个东西，第一个是如
|
采集已经不是什么新名词了，很多站长为了省事，也局限于人力的缺乏，使用程序来给自己的网站添砖加瓦，比如本人的个人网站www.xxfsw.com也采集了大量的新闻，那么如果实现呢？今天我们运用php来实现这个功能。 谈到采集，我们不得不说两个东西，第一个是如何获取远程网站的源代码，这个可以通过php的一个扩展curl来获取，另一个是如果去匹配你需要的信息，这个的解决办法是正则表达式。 Windows下开启curl的方法如下： 1、拷贝PHP目录中的libeay32.dll， ssleay32.dll， php5ts.dll， php_curl.dll文件到 system32 目录。 2、修改php.ini：配置好 extension_dir ，去掉 extension = php_curl.dll 前面的分号。 3、重起apache。 Linux下开启curl的方法如下： 进入安装 原php 的源码目录， cd ext cd curl phpize ./configure --with-curl =DIR make 就会在PHPDIR/ext/curl /moudles/下生成curl .so的文件。 复制curl .so文件到extensions的配置目录，修改php .ini就好了。 然后你就可以利用curl来获取到指定url的网页源码了，这里给大家一个封装好的函数： 接下来就应该说到php中的正则表达式了： 1.中括号 ［0-9］匹配0-9 ［a-z］匹配a-z小写字母 ［A-Z］匹配A-Z大写字母 ［a-zA-Z］匹配所有大小写字母 可以使用ascii来制定更多 2.量词 以下为引用的内容： p+匹配至少一个含p的字符串 p*陪陪任何包含0个或多个p的字符串 p?匹配任何包含0个或一个p的字符串 p{2}匹配包含2个p的序列的字符串 p{2,3}匹配任何包含2个或3个的字符串 p$匹配任何以p结尾的字符串 ^p匹配任何以p开头的字符串 [^a-zA-Z]匹配任何不包含a-zA-Z的字符串 p.p匹配任何包含p、接下来是任何字符、再接下来有又是p的字符串 ^.{2}$匹配任何值包含2个字符的字符串 <b>(.*)b>匹配任何被<b>>包围的字符串 p(hp)*匹配任何一个包含p,后面是多个或0个hp的字符串 3.预定义字符范围 以下为引用的内容： [:alpha:]同[a-zA-Z] [:alnum:]同[a-zA-Z0-9] [:cntrl:]匹配控制字符，比如制表符，反斜杠，退格符 [:digit:]同[0-9] [:graph:]所有ASCII33~166范围内可以打印的字符 [:lower:]同[a-z] [:punct:]标点符号 [:upper:]同[A-Z] [:space:]空白字符，可以是空格、水平制表符、换行、换页、回车 [:xdigit:]十六进制符同[a-fA-F0-9] 废话不多说，直接上我的源码吧，有什么不懂的可以上百度查查。 何实现比较实时的同步呢，这可以利用windows下的任务计划或linux下的crontab 了，定时（比如十分钟）执行这个程序，这样，你就不再愁网站没有内容了。 （编辑：开发网_郴州站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
浙公网安备 33038102330466号