|
本文為一個(gè)提取一批新聞網(wǎng)頁(yè)中的文本的小程序，它可以將各篇新聞的內(nèi)容存為以該新聞標(biāo)題為文件名的文本文件。如有更好的處理方法，請(qǐng)和我聯(lián)系：
lwx3069@sina.com
這里以人民網(wǎng)中的“今日要聞”下的新聞為例.
<?php
($url) ? "" : $url = "http://www.unn.com.cn/GB/channel2/3/11/index.html"; // 今日要聞
if(isset($url)&&$url!="") {
$str = implode("",file($url));
$str_ary = explode("<ul>",$str);
$str_ary = explode("<li>",trim($str_ary[1]));
for ($i=0; $i<8; $i++) {
if (strlen(trim($str_ary[$i]))<3){
continue;
}
echo "新聞".$i."：".$str_ary[$i];
$str1=strstr("$str_ary[$i]",'<a href="/');
$str2=strstr("$str_ary[$i]",'" target');
$len1=strlen("$str1");
$len2=strlen("$str2");
$len=$len1-$len2;
$url=substr("$str1",10,$len-10);
if (strlen(trim($url))!=0) {
$url = "http://www.unn.com.cn/".$url;
define(CONTENTS_DIR,"./contents/");
if(isset($url)&&$url!="") {
$str = implode("",file($url));
$str1=explode('<div align="right">',$str); //去掉文件沒(méi)用的上半部分
$str2 = explode('<h4 align="center"> </h4>',$str1[1]);
//取出文件的下半部分，并去掉沒(méi)用的下半部分，這時(shí)得到的都是有用的
$str3=explode('</font><font size="+2"><b><font size="3">',$str2[0]); //從整個(gè)有用部分取出文件標(biāo)題和正文
$str4=explode('</div>',$str2[0]); //取出日期和時(shí)間
$str5=explode('</font></b></font><font size="2">',$str3[1]); //從標(biāo)題和正文部分取出標(biāo)題
$title=str_replace("<br>","",$str5[0]);
$str3=explode('<p><font size="2">',$str2[0]); //從整個(gè)有用部分取出文件正文
$str3[1]=str_replace('<br><br> ',"\n"." ",$str3[1]);
$str3[1]=str_replace(' ',"",$str3[1]);
$str3=strip_tags($str3[1]);
$pf=trim($title).".txt";
$ppf=fopen(CONTENTS_DIR."$pf",'w');
fputs($ppf,$title);
fputs($ppf,"$str4[0]");
fputs($ppf,$str3);
}
}
}
}
?>
|
