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:
lwx3069@sina.com
这里以人民网中的“今日要闻”下的新闻为例.
($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));
$str_ary = explode("
",$str);
$str_ary = explode("- ",trim($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]",' $len1=strlen("$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));
$str1=explode('',$str); //去掉文件没用的上半部分
$str2 = explode('
',$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
$str3=explode('',$str2[0]); //从整个有用部分取出文件标题和正文
$str4=explode('',$str2[0]); //日付と時刻を取得します
$str5=explode('' , $str3[1]) //タイトルと本文部分からタイトルを取得します
& lt; font size = "2" & gt; // ファイルのテキストを取り出します。有用な部分全体から
$ str3 [1] = str_replace (' & lt; br & lt; br & gt; ', "n "." ", $ Str3 [1]); ( ''、 ""、$ str3 [1]);
上記は、住宅積立金を抽出する方法と、住宅積立金を引き出す方法を含む複数のニュース項目から同時にテキストを抽出する方法の例です。PHP チュートリアルに興味のある友人に役立つことを願っています。