同時提取多條新聞中的文本一例

本文為一個提取一批新聞網頁中的文本的小程序,它可以將各篇新聞的內容存為以該新聞標題為文件名的文本文件。如有更好的處理方法,請和我聯系:
lwx3069@sina.com
這裡以人民網中的“今日要聞”下的新聞為例.
<?php
($url) ? "" : $url = "https://www.unn.com.cn/GB/channel2/3/11/index.html"; // 今日要聞
if(isset($url)&&$url!="") {
$str = implode("",file($url));
$str_ary = explode("

    ",$str);
    $str_ary = explode("

  • ",trim($str_ary[1]));
    for ($i=0; $i<8; $i++) {
    if (strlen(trim($str_ary[$i]))<3){
    continue;
    }
    echo "新聞".$i.":".$str_ary[$i];
    $str1=strstr("$str_ary[$i]", $str2=strstr("$str_ary[$i]"," target);
    $len1=strlen("$str1");
    $len2=strlen("$str2");
    $len=$len1-$len2;
    $url=substr("$str1",10,$len-10);
    if (strlen(trim($url))!=0) {

    $url = "https://www.unn.com.cn/".$url;
    define(CONTENTS_DIR,"./contents/");
    if(isset($url)&&$url!="") {
    $str = implode("",file($url));
    $str1=explode(

    ,$str); //去掉文件沒用的上半部分
    $str2 = explode(

     

    ,$str1[1]);
    //取出文件的下半部分,並去掉沒用的下半部分,這時得到的都是有用的
    $str3=explode(,$str2[0]); //從整個有用部分取出文件標題和正文
    $str4=explode(

    ,$str2[0]); //取出日期和時間
    $str5=explode(
    ,$str3[1]); //從標題和正文部分取出標題
    $title=str_replace("
    ","",$str5[0]);
    $str3=explode(
    ,$str2[0]); //從整個有用部分取出文件正文
    $str3[1]=str_replace(
        ,"
    "."  ",$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);
    }
    }
    }
    }
    ?>

發佈留言