基于PHP的简单采集数据入库程序【续篇】
2015-01-24信息快讯网
在上篇 基于PHP的简单采集数据入库程序 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
在上篇文章中,我们已经采集新闻信息页的列表数据,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>"; } ?>
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。
php中http与https跨域共享session的解决方法
php将textarea数据提交到mysql出现很多空格的解决方法
thinkphp中session和cookie无效的解决方法
thinkphp3.0输出重复两次的解决方法
thinkphp3.2.2实现生成多张缩略图的方法
ThinkPHP中使用ajax接收json数据的方法
php判断文件上传类型及过滤不安全数据的方法
php批量添加数据与批量更新数据的实现方法
php实现可用于mysql,mssql,pg数据库操作类
ThinkPHP入库出现两次反斜线转义及数据库类转义的解决方法
PHP实现采集中国天气网未来7天天气
YII中assets的使用示例
基于PHP的简单采集数据入库程序
PHP中设置一个严格30分钟过期Session面试题的4种答案
PHP使用Session遇到的一个Permission denied Notice解决办法
PHP伪静态Rewrite设置之APACHE篇
PHP return语句的另一个作用
PHP使用CURL_MULTI实现多线程采集的例子
php中单个数据库字段多列显示(单字段分页、横向输出)
CodeIgniter框架数据库事务处理的设计缺陷和解决方案
ThinkPHP使用PHPExcel实现Excel数据导入导出完整实例
destoon数据库表说明汇总
PHP远程采集图片详细教程
PHP采集类snoopy详细介绍(snoopy使用教程)
PHP采集类Snoopy抓取图片实例
php解决抢购秒杀抽奖等大流量并发入库导致的库存负数的问题