同时提取多条新闻中的文本一例

　　本文为一个提取一批新闻网页中的文本的小程序，它可以将各篇新闻的内容存为以该新闻标题为文件名的文本文件。如有更好的处理方法，请和我联系：

　　[email protected]

　　这里以人民网中的“今日要闻”下的新闻为例.

　　<?php

　　($url) ? "" : $url = "http://www.unn.com.cn/GB/channel2/3/11/index.html";        // 今日要闻

　　if(isset($url)&&$url!="")        {

　　$str = implode("",file($url));

　　$str_ary = explode("<ul>",$str);

　　$str_ary = explode("<li>",trim($str_ary[1]));

　　for ($i=0; $i<8; $i++)        {

　　if (strlen(trim($str_ary[$i]))<3){

　　continue;

　　}

　　echo "新闻".$i."：".$str_ary[$i];

　　$str1=strstr("$str_ary[$i]",'<a href="/');

　　$str2=strstr("$str_ary[$i]",'" target');

　　$len1=strlen("$str1");

　　$len2=strlen("$str2");

　　$len=$len1-$len2;

　　$url=substr("$str1",10,$len-10);

　　if (strlen(trim($url))!=0) {

　　$url = "http://www.unn.com.cn/".$url;

　　define(CONTENTS_DIR,"./contents/");

　　if(isset($url)&&$url!="")        {

　　$str = implode("",file($url));

　　$str1=explode('<div align="right">',$str);            //去掉文件没用的上半部分

　　$str2 = explode('<h4 align="center">  </h4>',$str1[1]);

　　//取出文件的下半部分，并去掉没用的下半部分，这时得到的都是有用的

　　$str3=explode('</font><font size="+2"><b><font size="3">',$str2[0]);   //从整个有用部分取出文件标题和正文

　　$str4=explode('</div>',$str2[0]);   //取出日期和时间

　　$str5=explode('</font></b></font><font size="2">',$str3[1]);     //从标题和正文部分取出标题

　　$title=str_replace("<br>","",$str5[0]);

　　$str3=explode('<p><font size="2">',$str2[0]);          //从整个有用部分取出文件正文

　　$str3[1]=str_replace('<br><br>    ',"\n"."　　",$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);

　　}

　　}

　　}

　　}

　　?>