RSS全文输出

By admin in 必赢网址是多少 on 2019年2月3日

此间以PHP版为例,尽量说得通俗点吧,水平实际上点儿,见谅。

当前自己那里拥有的取得全文输出的网站几乎是三种状态:

  1. 要出口的内容集中在一页上,也就是看似列表页的页面里集中了您想要的有所内容,并不必要点击“越多”或“继续读书”才能来看小说完全。比如糗事百科、wiki。
  2. 有列表页,要查占卜应小说必须点击链接进去。
  3. json情势写入。特征就是查看源文件并不可能找到你在浏览器中观望的情节。比如腾讯音讯图片(链接),它的真正内容在那(链接)。

首先种最便利,第三种最广大,第两种稍麻烦。

前些天先讲第两种。

 

以国家地理中文网宇宙空间为例(链接),先看代码:(把下列源码存为space.php)

  1. <?php
  2. include “gethtml.php”;
  3. $regex_link = ‘/(?<=<dt><a
    href=”).+?(?=”)/s’;
  4. $regex_tit = ‘/(?<=<title>)(.+?)(?=
    -)/s’;
  5. $regex_con = ‘/<div id=”detailMain_box_img”.*?(?=<div
    class=”M-L-article-last-p” >)/s’;
  6. $header='<?xml version=”1.0″ encoding=”utf-8″?><rss
    version=”2.0″><channel><title>国家地理汉语网宇宙空间</title>’;
  7. $footer='</channel></rss>’;
  8. $html=gethtml(‘http://www.nationalgeographic.com.cn/science/space/‘);
  9. if(preg_match_all($regex_link, $html, $links)){
  10. $size=count($links[0]);
  11. for($i=0;$i<$size;$i++){
  12. $link=preg_replace(‘/(.+)/’,’http://www.nationalgeographic.com.cn$1',$links\[0\]\[$i\]);
  13. $content=gethtml($link);
  14. preg_match($regex_con,$content,$article);
  15. preg_match($regex_tit,$content,$title);
  16. $rss.='<item><title>’.$title[0].'</title><link><![CDATA[‘.$link.’]]></link><description><![CDATA[‘.$article[0].’]]></description></item>’;
  17. }
  18. file_put_contents(‘space.xml’,$header.$rss.$footer);
  19. }
  20. ?>

要害是第8行未来。只解释自己觉着紧要的,不清楚的可以研究。

第2行,引入gethtml方法,来自下边的代码。

看一下第8行gethtml(‘http://www.nationalgeographic.com.cn/science/space/’)得到了什么([链接](http://rssfull.net/rss/tutorial/space.php?step=1)),虽然有点乱,但是目的达到了,http://www.nationalgeographic.com.cn/science/space/
我早就抓到本地服务器上。

第9行是要挑出要求的链接
$links(链接

第13行使用这么些链接继续抓取页面 $content=gethtml($link)

第14、15行从$content里摸索须要的$title(小说标题)和$article(文章内容)

末端就是按RSS要求的格式输出,并最一生成xml文件。

下边我说的查找、挑出都是用正则来促成的,其它最好对html更加熟习,操作起来才能百步穿杨。

=================================================

上面是在别人的基础上和谐统计的行使curl抓取页面的法门,把上边源码存为gethtml.php,我具备的抓取都是用的这么些方法,当然,省事的话可以用
file_get_contents,这就是的确的20行代码完结全文RSS输出了,但是可选的参数就从未有过了,有的页面会抓取不到。

  1. <?php
  2. error_reporting(E_ERROR);
  3. function gethtml($url,$json){
  4. $args = json_必赢网址是多少,decode($json,true);
  5. $useragent = $args[“useragent”]?$args[“useragent”]:’Mozilla/5.0′;
  6. $timeout = $args[“timeout”]?$args[“timeout”]:9000;
  7. $ch = curl_init();
  8. $options = array(
  9. CURLOPT_URL => $url,
  10. CURLOPT_USERAGENT => $useragent,
  11. CURLOPT_TIMEOUT_MS => $timeout,
  12. CURLOPT_NOSIGNAL => 1,
  13. CURLOPT_HEADER => 0,
  14. CURLOPT_RETURNTRANSFER => 1,
  15. CURLOPT_FOLLOWLOCATION => 1
  16. );
  17. if($args[“ip”]){
  18. $options[CURLOPT_HTTPHEADER] = array(‘CLIENT-IP:’.$args[“ip”],’X-FORWARDED-FOR:’.$args[“ip”]);
  19. }
  20. if (preg_match(‘/^https/’,$url)){
  21. $options[CURLOPT_SSL_VERIFYHOST] = 1;
  22. $options[CURLOPT_SSL_VERIFYPEER] = 0;
  23. }
  24. curl_setopt_array($ch, $options);
  25. $data = curl_exec($ch);
  26. $curl_errno = curl_errno($ch);
  27. curl_close($ch);
  28. if($curl_errno>0){
  29. return ‘error’;
  30. }else{
  31. return $data;
  32. }
  33. }
  34. ?>

 原文:http://www.rssfull.net/turorial160710

发表评论

电子邮件地址不会被公开。 必填项已用*标注

网站地图xml地图
Copyright @ 2010-2019 亚洲必赢app官方下载 版权所有