php 文章采集正则代码

　　//采集html

　　function getwebcontent($url){

　　$ch = curl_init();

　　$timeout = 10;

　　curl_setopt($ch, CURLOPT_URL, $url);

　　curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);

　　curl_setopt($ch, CURLOPT_CONNECTTIMEOUT, $timeout);

　　curl_setopt ($ch, CURLOPT_FOLLOWLOCATION, 1);

　　$contents = trim(curl_exec($ch));

　　curl_close($ch);

　　return $contents;

　　}

　　//获得标题和url

　　$string =

　　getwebcontent('http://www.***.com/learn/zhunbeihuaiyun/jijibeiyun/2');

　　//正则匹配<li>获取标题和地址

　　preg_match_all ("/<li><a href=\"\/learn\/article\/(.*)\">(.*)<\/a>/",$string, $out, PREG_SET_ORDER);

　　foreach($out as $key => $value){

　　$article['title'][] = $out[$key][2];

　　$article['link'][] = "http://www.***.com/learn/article/".$out[$key][1];

　　}

　　//根据url获取文章内容

　　foreach($article['link'] as $key=>$value){

　　$content_html = getwebcontent($article['link'][$key]);

　　preg_match("/<div id=pagenum_0(.*)>[\s|\S]*?<\/div>/",$content_html,$matches);

　　$article[content][$key] = $matches[0];

　　}

　　//不转码还真不能保存成文件

　　foreach($article[title] as $key=>$value){

　　$article[title][$key] = iconv('utf-8', 'gbk', $value);//转码

　　}

　　//存入文件

　　$num = count($article['title']);

　　for($i=0; $i<$num; $i++){

　　file_put_contents("{$article[title][$i]}.txt", $article['content'][$i]);

　　}

　　?>