同时提取多条新闻中的文本一例
发表于:2007-07-01来源:作者:点击数:
标签:
本文为一个提取一批新闻网页中的文本的小程序,它可以将各篇新闻的内容存为以该新闻标题为文件名的文本文件。如有更好的处理方法,请和我联系: lwx3069@sina.com 这里以人民网中的“今日要闻”下的新闻为例. ? php ($url) ? : $url = http://www.unn.com.cn
本文为一个提取一批
新闻网页中的文本的小程序,它可以将各篇新闻的内容存为以该新闻标题为文件名的文本文件。如有更好的处理方法,请和我联系:
lwx3069@sina.com
这里以人民网中的“今日要闻”下的新闻为例.
<?
php
($url) ? "" : $url = "http://www.unn.com.cn/GB/channel2/3/11/index.html"; // 今日要闻
if(isset($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[$i]))<3){
continue;
}
echo "新闻".$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); //去掉文件没用的上半部分
$str2 = explode(@#<h4 align="center"> </h4>@#,$str1[1]);
//取出文件的下半部分,并去掉没用的下半部分,这时得到的都是有用的
$str3=explode(@#</font><font size="+2"><b><font size="3">@#,$str2[0]); //从整个有用部分取出文件标题和正文
$str4=explode(@#</div>@#,$str2[0]); //取出日期和时间
$str5=explode(@#</font></b></font><font size="2">@#,$str3[1]); //从标题和正文部分取出标题
$title=str_replace("<br>","",$str5[0]);
$str3=explode(@#<p><font size="2">@#,$str2[0]); //从整个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);
}
}
}
}
?>
原文转自:http://www.ltesting.net