码迷,mamicode.com
首页 > Web开发 > 详细

基于PHP采集数据入库程序(二)

时间:2014-07-28 23:35:04      阅读:359      评论:0      收藏:0      [点我收藏+]

标签:style   blog   http   color   数据   io   2014   html   

在上篇 基于PHP采集数据入库程序(二) 中提到采集新闻信息页的列表数据,接下来讲讲关于采集新闻具体内容

这是上篇博客的最终数据表截图:

bubuko.com,布布扣

接下来要做的操作就是从数据库中读取所需要采集的URL,进行页面抓取就行

新建一个content表

不过需要注意的一点是,不能再采用采集URL这种id递增的方法去采集,因为数据表中可能出现id断续,比如id=9,id=11,当采集到id=10的时候,URL是空白的,这样可能会导致采集到了空字段。

这里用到的一个技巧是数据库的查询语句,在我们采集完第一条数据的时候,判断数据库里是否还有大于此id的id编号,若有,读取一条,查询信息重复上面的工作。

具体代码如下:

<?php
    
    include_once("conn.php");
    $id=(int)$_GET[‘id‘];
    $sql="select * from list where id=$id";
    $result=mysql_query($sql);
    $row=mysql_fetch_array($result);//取得对应的url地址
    $content=file_get_contents($row[‘url‘]);
    $pattern="/<dd class=\"dataWrap\">(.*)<\/dd>/iUs";
    preg_match($pattern, $content,$info);//获取内容存放info
    echo $title=$row[1]."<br/>";
    echo $content=$info[0]."<hr/>";

    //插入数据库
    $add="insert into content(title,content) value(‘$title‘,‘$content‘)";
    mysql_query($add);

    $sql2="select * from list where id>$id order by id asc limit 1";
    $result2=mysql_query($sql2);
    $row2=mysql_fetch_array($result2);//取得对应的url地址
    if($row2[‘id‘]){
        echo "<script>window.location=‘content.php?id=$row2[0]‘</script>";
    }

?>

bubuko.com,布布扣

这样子我们所要的新闻内容就采集入库了,接下来只需要对数据的一些样式进行整理就行了。

基于PHP采集数据入库程序(二),布布扣,bubuko.com

基于PHP采集数据入库程序(二)

标签:style   blog   http   color   数据   io   2014   html   

原文地址:http://www.cnblogs.com/lichenwei/p/3873281.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!