如何用PHP高效采集新闻列表和详情?

霞舞
发布: 2025-03-23 08:16:19
原创
665人浏览过

利用php和curl高效抓取新闻列表及详情

本文将详细讲解如何用PHP和cURL高效抓取新闻列表和详情页内容。主要挑战在于:一、从列表页提取新闻标题和完整URL;二、根据列表页URL,进一步抓取详情页内容,最终整合标题、URL和内容进行展示。

首先,解决从列表页获取新闻标题和完整URL的问题。通过分析列表页源代码,我们可以利用正则表达式匹配标签中的href属性和title属性(如果存在)来提取新闻标题和相对路径。由于提取的路径通常是相对路径,我们需要将其转换为完整URL。这需要在代码中添加网站根域名。

如何用PHP高效采集新闻列表和详情?

<?php
$url = 'http://www.xx.com/news'; // 列表页URL
$ch = curl_init();
curl_setopt($ch, CURLOPT_URL, $url);
curl_setopt($ch, CURLOPT_REFERER, '');
curl_setopt($ch, CURLOPT_USERAGENT, "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.198 Safari/537.36");
curl_setopt($ch, CURLOPT_CUSTOMREQUEST, "GET");
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
// ... 其他cURL选项 ...
$html = curl_exec($ch);
curl_close($ch);

preg_match_all('/<a href="https://www.php.cn/link/01bebc8e971d09cb90cf5756b340f24c".*??>(.*?)/s', $html, $matches);
$newslist = [];
foreach ($matches[1] as $key => $relativepath) {
    $completepath = $url . '/' . ltrim($relativepath, '/'); // 转换为完整URL
    $newslist[] = [
        'title' => $matches[2][$key],
        'url' => $completepath,
    ];
}

// 现在 $newslist 数组包含标题和完整URL
var_dump($newslist);
?>
登录后复制

接下来是第二个挑战:从详情页提取新闻内容。同样,我们使用cURL获取详情页HTML,然后使用正则表达式提取

内的内容作为新闻内容。需要注意的是,正则表达式需要根据具体的详情页HTML结构进行调整。

立即学习PHP免费学习笔记(深入)”;

<?php
foreach ($newslist as $news) {
    $ch = curl_init($news['url']);
    // ... 其他cURL选项 ...
    $detailHtml = curl_exec($ch);
    curl_close($ch);

    preg_match('/<div class="content text-xs">(.*?)<\/div>/s', $detailHtml, $contentMatch);
    $content = isset($contentMatch[1]) ? $contentMatch[1] : ''; // 处理无内容的情况

    // 输出结果
    echo "标题: " . $news['title'] . "\n";
    echo "链接: " . $news['url'] . "\n";
    echo "内容: " . $content . "\n\n";
}
?>
登录后复制

这段代码展示了如何使用cURL和正则表达式完成新闻列表和详情的抓取。请根据实际网站结构调整正则表达式,并添加必要的错误处理和异常处理。 记住,在抓取数据时,务必遵守网站的robots.txt规则和相关法律法规。

以上就是如何用PHP高效采集新闻列表和详情?的详细内容,更多请关注php中文网其它相关文章!

PHP速学教程(入门到精通)
PHP速学教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载
来源:php中文网
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn
最新问题
开源免费商场系统广告
热门教程
更多>
最新下载
更多>
网站特效
网站源码
网站素材
前端模板
关于我们 免责申明 意见反馈 讲师合作 广告合作 最新更新
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号 技术交流群
PHP中文网订阅号
每天精选资源文章推送
PHP中文网APP
随时随地碎片化学习
PHP中文网抖音号
发现有趣的

Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号