在一次做网站的时候 ，需要抓取一些其他网站的新闻 ，在这里介绍一种使用curl通过链接的方式去获取这个页面的所有内容，然后再通过正则匹配获取需要的内容。不是所有网站都能抓取需要有页面规律才能去抓取如下图
 

这种有规律的新闻列表 ，不过新闻的详情内容需要再次单独的去抓取，
代码：
   $url = http://xxxx;  // https://xxxx要抓取的链接 新闻列表
 
        $url=str_replace('&','&',$url);
 
        header("content-type:text/html;charset=utf-8");
        $ch = curl_init();
        curl_setopt($ch, CURLOPT_URL, $url);
        curl_setopt($ch, CURLOPT_SSL_VERIFYPEER, 0);//除去https里面的s
        curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);//关闭直接输出
   $ html_data =curl_exec($ch);
        curl_close($ch);//关闭会话
 这里要确认是否抓取到了页面的内容 可以打印出来看一下
 如果没有抓取到 要注意一下 页面的编码格式 使用iconv（）转换一下内容编码
   // $html_data=iconv('gbk', 'utf-8',$html_data);

       $regular='#(.*?)(.*?)(.*?)(.*?)(.*?)

(.*?)

(.*?)

#is';
        preg_match_all($regular,$html_data,$connect);//进行正规匹配取得自己要的内容
        //循环取出需要的内容数组
        foreach($connect as $k =>$var){
            if($k==2 || $k==3|| $k==5 || $k==7){
                $b= array_merge(array_filter($connect[$k]));
                $array[]=$b;
            }
        }
得到数据数组后 就可以根据需求去添加数据了
内容详情需要抓取就获取到新闻内容页的链接 同样使用curl去获取信息
 
要注意的就是正则表达式里面的html需要跟页面的格式一样， 你可以去原网站点右键查看源代码，查看格式， 把要抓取的html复制下来 ，如果还是有不能抓取的内容可能就是格式不正确 有可能有的地方是少空格或者多空格， 这个时候直接在标签之间(.*?)。也可以 一点一点的匹配 看具体是哪个部分没有匹配到。
 
 永兴集团为客户提供网站开发定制服务，网站制作居于LINUX+PHP+MYSQL框架，欢迎客户咨询永兴集团建站热线400-800-9385

如没特殊注明，文章均为永兴集团原创,转载请注明来自/news/5604.html

上一篇： 企业进行响应式网站建设有哪些好处?
下一篇： 直播带货火热下做网站的冷思考