CURL と正規表現を使用した PHP スパイダー クローラー

Fengwang fcms コンテンツ管理システム
get.php クロール フレームワーク、Web コンテンツを分析および処理し、関連する置換を実行します。
std.php 一般的な正規表現
news_67_com.php http://news.67.com のクローラー アナライザー
まずリストを取得し、次にコンテンツページを取得します。
また、監視、統計、エラー処理機能もありません。個人的にはそのほうが楽しいと思います。

include_once dirname(__FILE__) . '/std.php';

$site = array(
    'aname'     => '中国娱乐网',
    'domain'    => 'news.67.com',
    'dirname'   => '目录名称，用于匹配基于目录不同的正文',
    'gettype'   => 'default',
	//获取主文件
    'creg'      => '/(?si)(.*?)\<\!--文章 end-->/',
    'code'      => 'utf-8',
    'sub'       => '获取子目录正则',
    'content'   => 'tag1',
	'img_upload'=> array('tag1' => ''),
	//下一页
    'reg_next'  => '/(?is)下一页\>\><\/a>/',

global $std;
$std = array(
 'url' => '[0-9a-zA-Z.:-/%_#;&]+',
 ' img' => '/(?is));

/**
 * test.php
 *
 * @author xzfred
 * @copyright 2009 fengone.com
 * @created 2010-12-07 .
 * @version $Id: php.php 3 2008 -10-10 07:49:21Z フレッド $
 * SVNPath $HeadURL: http://192.168.0.16/svn/vim/skeletons/php.php $
*/
/*
include_once "std.php";
include_once "lady_163_com.php";
 */
include_once $GLOBALS['g_dir_core'] 。 "get.php";

//======================================== ========================================
include_once DIR_HOST_TAG 。 '/tuku_ent_china_com.php';
$obj = new FcHtmlParse($site);
$c = $obj->parse(file_get_contents("http://tuku.ent.china.com/fun/html/2011- 08-23/181703.xml"));
echo "nnn ==================n";
echo $c['field']['tag1' ][0];
echo "nnn ==================n";
var_dump($c);

exit();
//列表测试
 $obj = new FcHtmlParse($site_list);
$c = $obj->parse(file_get_contents("http://tuku.ent.china.com/fun/html/3569_1.html"));
var_dump( $c);
exit();
/*

$obj = new FcHtmlGet($site);
$c = $obj->getPage('http://star.pclady.com.cn/entertainment/ ss/1106/703240.html');
var_dump($c);

$obj = new FcHtmlGet($site);
$c = $obj->getPage('http://star.pclady.com .cn/entertainment/ss/1106/703240.html');
var_dump($c);

$obj = 新しい FcHtmlParse($site);
$img_obj = 新しい FcHtmlImgUpload($site);

$data = file_get_contents("e:/b.html");
$c = $obj->parse($data);
$ic = $img_obj->upload($c['tag']['tag1'] [0]);
var_dump($ic);

$data = file_get_contents("e:/a.html");
$c = $obj->parse($data);
$ic = $img_obj ->upload($c['tag']['tag1'][0]);
var_dump($ic);
 */

//var_dump($c['tag']['tag1'] );

include_once $GLOBALS['g_dir_core'] . 'host/std.php';

$site = array(
    'aname'     => '中华网娱乐图库',
    'domain'    => 'tuku.ent.china.com',
    'dirname'   => '目录名称，用于匹配基于目录不同的正文',
    'gettype'   => 'default',
	//获取主文件
    'creg'      => '/(?si)(.*?<\/list>)/',
    'code'      => 'utf-8',
    'sub'       => '获取子目录正则',
    'content'   => 'tag1',
	'img_upload'=> array('tag1' => ''),
	//下一页
    'reg_next'  => '/(?is)下一页<\/a>/',
下一页<\/a><\/li>/',
    'tag0'      => '/(?is).*?<\/span>[^<^>]*?<\/a><\/div>/',
    'tag1'      => '/(?is).*?<\/span>([^<^>]*?)<\/a><\/div>/',