PHP实现小偷程序实例

1. <?php
2. /**
3. *抓取“华强电子网”资讯程序
4. *authorlee.
5. *lastmodify$date:2012-1-315:39:35$
6. */
7. header('content-type:text/html;charset=utf-8');
8. $mysqli=newmysqli('localhost','root','1715544','article');#数据库连接，请手动修改您自己的数据库信息
9. $mysqli->set_charset('utf8');#设置数据库编码
10. functiondata($url){
11. global$mysqli;
12. $result=file_get_contents($url);#$result获取url链接内容（注意：这里是文章列表链接）
13. $pattern='/<li><spanclass="box_r">.+</span><ahref="([^"]+)"title=".+">.+</a></li>/usi';#取得文章url的匹配正则
14. preg_match_all($pattern,$result,$arr);#把文章列表url分配给数组$arr(二维数组)
15. foreach($arr[1]as$val){
16. $val='http://www.hqew.com'.$val;#真实文章url地址
17. $re=file_get_contents($val);#$re为文章url的内容
18. $pa='/<divid="article">s+<h1>(.+)</h1>s+<pid="article_extinfo">s+发布:s+(.+)s+|s+作者:s+(.+)s+|s+来源:s+(.*?)s+<spanstyle="display:none">.+<divid="article_body">s*(.+)s+</div>s+</div><!–articleend–>/usi';#取得文章内容的正则
19. preg_match_all($pa,$re,$array);#把取到的内容分配到数组$array
20. $content=trim($array[5][0]);
21. $con=array(
22. 'title'=>mysqlstring($array[1][0]),
23. 'date'=>mysqlstring($array[2][0]),
24. 'author'=>mysqlstring(stripauthortag($array[3][0])),
25. 'source'=>mysqlstring($array[4][0]),
26. 'content'=>mysqlstring(stripcontenttag($content))
27. );
28. $sql="insertintoarticle(title,date,author,source,content)values('{$con['title']}','{$con['date']}','{$con['author']}','{$con['source']}','{$con['content']}')";
29. $row=$mysqli->query($sql);#添加到数据库
30. if($row){
31. echo'addsuccess!';
32. }else{
33. echo'addfailed!';
34. }
35. }
36. }
37. /**
38. *stripofficetag($v)对文章内容进行过滤，比如：去掉文章中的链接，过滤掉没用的html标签……
39. *@paramstring$v
40. *@returnstring
41. */
42. functionstripcontenttag($v){
43. $v=str_replace('<p></p>','',$v);
44. $v=str_replace('<p/>','',$v);
45. $v=preg_replace('/<ahref=".+"target="_blank"><strong>(.+)</strong></a>/usi','',$v);
46. $v=preg_replace('%(<spans*[^>]*>(.*)</span>)%usi','',$v);
47. $v=preg_replace('%(s+class="mso[^"]+")%si','',$v);
48. $v=preg_replace('%(style="[^"]*mso[^>]*)%si','',$v);
49. $v=preg_replace('/<b></b>/','',$v);
50. return$v;
51. }
53. /**
54. *striptitletag($title)对文章标题进行过滤
55. *@paramstring$v
56. *@returnstring
57. */
58. functionstripauthortag($v){
59. $v=preg_replace('/<ahref=".+"target="_blank">(.+)</a>/usi','',$v);
60. return$v;
61. }
63. /**
64. *mysqlstring($str)过滤数据
65. *@paramstring$str
66. *@returnstring
67. */
68. functionmysqlstring($str){
69. returnaddslashes(trim($str));
70. }
72. /**
73. *init($min,$max)入口程序方法，从$min页开始取，到$max页结束
74. *@paramint$min从1开始
75. *@paramint$max
76. *@returnstring返回url地址
77. */
78. functioninit($min=1,$max){
79. for($i=$min;$i<=$max;$i++){
80. data("http://www.hqew.com/info-c10-{$i}.html");
81. }
82. }
83. init(1,500);//程序入口，从第一页开始抓，抓取500页
84. ?>

通过上面的程序，就可以实现抓取华强电子网的资讯信息。

入口方法 init($min, $max) 如果想抓取 1-500 页面内容，那么 init(1, 500) 即可！这样，用不了多长时间，华强电子网的资讯就会全部抓取到数据库里面了。^_^

执行界面：

数据库：