PHP采集程序心得

一根白菜

思路：

　　采集程序的思路很简单大体可以分为以下几个步骤：

　　 1.获取远程文件源代码（file_get_contents或用fopen）.

　　 2.分析代码得到自己想要的内容（这里用正规匹配，一般是得到分页）。

　　3.跟根得到的内容进行下载入库等操作。

　　在这里第二步有可能要重复的操作好几次，比如说要先分析一下分页地址，在分析一下内页的内容才能取得我们想要的东西。

代码：

1. @$nl=file_get_contents($rs['url']);//抓取远程内容
   
2. preg_match_all("/var url = "gameswf/(.*?).swf";/is",$nl,$connect);//进行正规匹配取得自己要的内容
   
3. mysql_query("insert ......插入数据库部分");

复制代码

　　上面的代码就是所有采集要用到的代码了，当然大家也可以用fope来作，我个人喜欢用file_get_contents。

　　下面在共享一下我的下载图片flash到本地的办法，太简单了两行代码

1. if(@copy($url,$newurl)){
   
2. echo 'ok';
   
3. }

复制代码

图片下载函数这会也放上来给大家

1. /*本存图片函数*/
   
2. function getimg($url,$filename){
   
3. 　　　　/*判断图片的url是否为空，如果为空停止函数*/
   
4. 　　　　if($url==""){
   
5. 　　　　　　　　return false;
   
6. 　　　　}
   
7. 　　　　/*取得图片的扩展名，存入变量$ext中*/
   
8. 　　　　$ext=strrchr($url,".");
   
9. 　　　　/*判断是否是合法的图片文件*/
   
10. 　　if($ext!=".gif" && $ext!=".jpg"){
    
11. 　　　　　　　　return false;
    
12. 　　　　}
    
13. 　　　　/*读取图片*/
    
14. 　　　　$img=file_get_contents($url);
    
15. 　　　　/*打开指定的文件*/
    
16. 　　　　$fp=@fopen($filename.$ext,"a");
    
17. 　　　　/*写入图片到指点的文件*/
    
18. 　　　　fwrite($fp,$img);
    
19. 　　　　/*关闭文件*/
    
20. 　　　　fclose($fp);
    
21. 　　　　/*返回图片的新文件名*/
    
22. 　　　　return $filename.$ext;
    
23. }

复制代码

　　共享一下个人的采集心得：

　　1.不采那些作防盗链了的站，其实可以作假来路但是这样的站采集成本太高

　　2.采集尽量快的站，最好在本地进行采集

　　3.采集时有很多时候可以先把一部分数据存入数据库，等以后进行下一步的处理。

　　4.采集的时候一定要作好出错处理，我一般都是如果采集三次没有成功就跳过。以前经常就因为一条内容不能采就卡在那里一直的采。

　　5.入库前一定要作好判断，检查内容的合法，过滤不必要的字符串。