php 采集书并合成txt格式的实现代码

　　<?php

　　/**

　　* @name 采集书.php

　　* @date Sun Mar 01 22:48:02 CST 2009

　　* @copyright 马永占(MyZ)

　　* @author 马永占(MyZ)

　　* @link http://blog.csdn.net/mayongzhan/

　　*/

　　//header('Content-Type:text/html;charset=utf8');

　　header('Content-Type:text/html;charset=gb2312');

　　error_reporting(E_ALL);

　　date_default_timezone_set('Asia/Shanghai');

　　set_time_limit(0);

　　function writer($content,$url)

　　{

　　$fp = fopen($url, 'ab');

　　fwrite($fp, $content);

　　fclose($fp);

　　}

　　$folder = '2'; //文件夹

　　$book_base_url = 'xxxxxxxxxxxxxxxxxxxxx';

　　$book_url = 'yyyyyyyyyyyyy.html';

　　$main = file_get_contents($book_base_url.$book_url);

　　preg_match_all('/chapter_.*?\.html/', $main, $pages);

　　$pages = array_unique($pages[0]);

　　foreach ($pages as $value) {

　　writer(file_get_contents($book_base_url.$value), './'.$folder.'/'.$value.'.txt');

　　$str = file_get_contents('./'.$folder.'/'.$value.'.txt');

　　//print_r($str);

　　preg_match("/(<h1>)(.*?)(<\/h1>)(.*?)(<div id=\"contTxt\" class=\"contTxt1\">)(.*?)(<\/div>)/s",$str,$arr);

　　//print_r($arr);die();

　　$arr[6] = preg_replace("/(<span[^>]+>.*?<a[^>]+>)(.*?)(<\/a><\/span>)/s","$2",preg_replace("/<p>|<\/p>/","\r\n",$arr[6]));

　　$result = "\r\n------------------------------------------------\r\n------------------------------------------------\r\n------------------------------------------------\r\n----------------".$arr[2]."\r\n------------------------------------------------\r\n------------------------------------------------\r\n------------------------------------------------\r\n".$arr[6];

　　writer($result, './'.$folder.'/new.txt');

　　}

　　?>