curl 和正则采集网页_curl正则表示某张图片-程序员宅基地

技术标签: php  采集  

效果展示:

采集分类



代码实现:

      

<?php  
namespace App\Http\Controllers;
use Illuminate\Support\Facades\Input;
use Illuminate\Http\Request;
use DB;
class GatherController extends NewBaseController
{
     /**
      * 采集首页
      * @param  Request $request [description]
      * @return [array]           [分类数据]
      */
     public function index(Request $request){
         //查询分类信息
 		  $typeList = DB::table('type')->get();
 		  // print_r($typeList);exit;
         return view('gather',['typeList'=>$typeList ]); 
     }

     /**
      * 采集操作
      * @param  Request $request [description]
      * @return [array]           [分类|详细数据]
      */
     public function show(Request $request){
     	     set_time_limit(0); 
        if($request->input('type_id')){
             //分类采集成功
             $data=$request->input();
	         $typeId = $data['type_id'];
	         $typeList = DB::table('type')->where('type_id',$typeId)->first();
	         //确定分类链接 
	         $typeLink=$typeList['type_link'];
	         $url=$typeLink;
	         // $typeLink="";
	         //开始采集
	         if (function_exists('curl_init')) {
	    	 $url = $typeLink;
	   		 $ch = curl_init();
	   		 curl_setopt($ch, CURLOPT_URL, $url);
	   		 curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
	    	 curl_setopt($ch, CURLOPT_CONNECTTIMEOUT, 10);
	   		 $dxycontent = curl_exec($ch);
	   		 // echo $dxycontent;exit;
	   		 $reg='#<div class="article-list">.*<div class="pager">#isU';
	   		 preg_match($reg,$dxycontent,$p);
	   		 // print_r($p);exit;
	   		 // print_r($reg);
         	 $reg1 = '#<p>(.*)</p>#isU';
         	 $reg2 = '#<img class=".*" src=".*" data-original="(.*)" alt="(.*)">#isU';
         	 preg_match_all($reg2, $p[0], $img);
         	 // print_r($img);exit;
         	 //标题
         	 $titleList = $img[2];
         	 preg_match_all($reg1, $p[0], $content);
         	 //内容
         	 // $contentList=array();
         	 $contentList = $content[1];
         	 // print_r($contentList);exit;
         	 //图片
         	 $img1 = $img[1];
         	 // print_r($img1);exit;
         	 for($i=0;$i<=9;$i++){
         	 	// $imgList[] = $img1[$i];
         	 	$suff = substr($img1[$i],strrpos($img1[$i],'.'));
         	 	$fileName = rand(10000,90000).time().$suff;
         	 	$imgList[] = $fileName;
         	 	// echo $filename;
         	 	$v=file_get_contents($img1[$i]);
         	 	file_put_contents("upload/".$fileName,$v);
         	 }
         	 // exit;
             //入库
             $arr=array();
             foreach($titleList as $k=>$v){
 				$arr[$k]['news_title'] = $v;
 				$arr[$k]['news_content'] = $contentList[$k];
 				$arr[$k]['news_img'] = $imgList[$k];
 				$arr[$k]['type_id'] =  $typeId;
 				$res=DB::table('news')->insertGetId($arr[$k]);
             }
             // exit;
             if($res){
             	$newsList = DB::table('news')->get(); 
             	// print_R($newsList);exit;
             	 	return view('news_list',['newsList'=>$newsList]);
             }
	   	    }
        }else{
         	//采集分类
         	$link=$request->input('link');
         	     //开始采集
		         if (function_exists('curl_init')) {
		    	 $url = $link;
		   		 $ch = curl_init();
		   		 curl_setopt($ch, CURLOPT_URL, $url);
		   		 curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
		    	 curl_setopt($ch, CURLOPT_CONNECTTIMEOUT, 10);
		   		 $dxycontent = curl_exec($ch);
		   		 // echo $dxycontent;
		   		 $reg='#<li ><a href="(.*)">(.*)</a></li>#isU';
		   		 preg_match_all($reg, $dxycontent, $list);
		   		 // print_r($list);exit;
		   		 // $typeName
		   		  $arr=array();
		   		  foreach($list[1] as $k=>$v){
                      $arr[$k]['type_link'] = $v;
		   		  }
		   		  foreach($list[2] as $k=>$v){
                      $arr[$k]['type_name'] = $v;
		   		  }
		   		  //分类入库
		   		  foreach($arr as $k=>$v){
		   		   $res = DB::table('type')->insertGetId($v);
		   		  }
		   		   //跳转到首页
		   		   if($res){
		   		   	 return redirect('/gather');
		   		   }else{
		   		   	  echo "添加失败";
		   		   } 
		   		    // print_r($arr);exit;
		  		 } else {
		   		 echo '主人的服务器尚未开启curl扩展';
		        }
		         	print_r($request->input());
		  }
     }
}






?>

恶心人的地方:正则匹配

需要注意的地方:file_put_contents 的使用




版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://blog.csdn.net/woshihaiyong168/article/details/53405718

智能推荐

c# 调用c++ lib静态库_c#调用lib-程序员宅基地

文章浏览阅读2w次,点赞7次,收藏51次。四个步骤1.创建C++ Win32项目动态库dll 2.在Win32项目动态库中添加 外部依赖项 lib头文件和lib库3.导出C接口4.c#调用c++动态库开始你的表演...①创建一个空白的解决方案,在解决方案中添加 Visual C++ , Win32 项目空白解决方案的创建:添加Visual C++ , Win32 项目这......_c#调用lib

deepin/ubuntu安装苹方字体-程序员宅基地

文章浏览阅读4.6k次。苹方字体是苹果系统上的黑体,挺好看的。注重颜值的网站都会使用,例如知乎:font-family: -apple-system, BlinkMacSystemFont, Helvetica Neue, PingFang SC, Microsoft YaHei, Source Han Sans SC, Noto Sans CJK SC, W..._ubuntu pingfang

html表单常见操作汇总_html表单的处理程序有那些-程序员宅基地

文章浏览阅读159次。表单表单概述表单标签表单域按钮控件demo表单标签表单标签基本语法结构<form action="处理数据程序的url地址“ method=”get|post“ name="表单名称”></form><!--action,当提交表单时,向何处发送表单中的数据,地址可以是相对地址也可以是绝对地址--><!--method将表单中的数据传送给服务器处理,get方式直接显示在url地址中,数据可以被缓存,且长度有限制;而post方式数据隐藏传输,_html表单的处理程序有那些

PHP设置谷歌验证器(Google Authenticator)实现操作二步验证_php otp 验证器-程序员宅基地

文章浏览阅读1.2k次。使用说明:开启Google的登陆二步验证(即Google Authenticator服务)后用户登陆时需要输入额外由手机客户端生成的一次性密码。实现Google Authenticator功能需要服务器端和客户端的支持。服务器端负责密钥的生成、验证一次性密码是否正确。客户端记录密钥后生成一次性密码。下载谷歌验证类库文件放到项目合适位置(我这边放在项目Vender下面)https://github.com/PHPGangsta/GoogleAuthenticatorPHP代码示例://引入谷_php otp 验证器

【Python】matplotlib.plot画图横坐标混乱及间隔处理_matplotlib更改横轴间距-程序员宅基地

文章浏览阅读4.3k次,点赞5次,收藏11次。matplotlib.plot画图横坐标混乱及间隔处理_matplotlib更改横轴间距

docker — 容器存储_docker 保存容器-程序员宅基地

文章浏览阅读2.2k次。①Storage driver 处理各镜像层及容器层的处理细节,实现了多层数据的堆叠,为用户 提供了多层数据合并后的统一视图②所有 Storage driver 都使用可堆叠图像层和写时复制(CoW)策略③docker info 命令可查看当系统上的 storage driver主要用于测试目的,不建议用于生成环境。_docker 保存容器

随便推点

网络拓扑结构_网络拓扑csdn-程序员宅基地

文章浏览阅读834次,点赞27次,收藏13次。网络拓扑结构是指计算机网络中各组件(如计算机、服务器、打印机、路由器、交换机等设备)及其连接线路在物理布局或逻辑构型上的排列形式。这种布局不仅描述了设备间的实际物理连接方式,也决定了数据在网络中流动的路径和方式。不同的网络拓扑结构影响着网络的性能、可靠性、可扩展性及管理维护的难易程度。_网络拓扑csdn

JS重写Date函数,兼容IOS系统_date.prototype 将所有 ios-程序员宅基地

文章浏览阅读1.8k次,点赞5次,收藏8次。IOS系统Date的坑要创建一个指定时间的new Date对象时,通常的做法是:new Date("2020-09-21 11:11:00")这行代码在 PC 端和安卓端都是正常的,而在 iOS 端则会提示 Invalid Date 无效日期。在IOS年月日中间的横岗许换成斜杠,也就是new Date("2020/09/21 11:11:00")通常为了兼容IOS的这个坑,需要做一些额外的特殊处理,笔者在开发的时候经常会忘了兼容IOS系统。所以就想试着重写Date函数,一劳永逸,避免每次ne_date.prototype 将所有 ios

如何将EXCEL表导入plsql数据库中-程序员宅基地

文章浏览阅读5.3k次。方法一:用PLSQL Developer工具。 1 在PLSQL Developer的sql window里输入select * from test for update; 2 按F8执行 3 打开锁, 再按一下加号. 鼠标点到第一列的列头,使全列成选中状态,然后粘贴,最后commit提交即可。(前提..._excel导入pl/sql

Git常用命令速查手册-程序员宅基地

文章浏览阅读83次。Git常用命令速查手册1、初始化仓库git init2、将文件添加到仓库git add 文件名 # 将工作区的某个文件添加到暂存区 git add -u # 添加所有被tracked文件中被修改或删除的文件信息到暂存区,不处理untracked的文件git add -A # 添加所有被tracked文件中被修改或删除的文件信息到暂存区,包括untracked的文件...

分享119个ASP.NET源码总有一个是你想要的_千博二手车源码v2023 build 1120-程序员宅基地

文章浏览阅读202次。分享119个ASP.NET源码总有一个是你想要的_千博二手车源码v2023 build 1120

【C++缺省函数】 空类默认产生的6个类成员函数_空类默认产生哪些类成员函数-程序员宅基地

文章浏览阅读1.8k次。版权声明:转载请注明出处 http://blog.csdn.net/irean_lau。目录(?)[+]1、缺省构造函数。2、缺省拷贝构造函数。3、 缺省析构函数。4、缺省赋值运算符。5、缺省取址运算符。6、 缺省取址运算符 const。[cpp] view plain copy_空类默认产生哪些类成员函数

推荐文章

热门文章

相关标签