使用curl和正規表示式抓取網頁數據

利用curl和正規表示式做的一個針對磨鐵中文網非vip章節的小說抓取器，支援輸入小說ID下載小說。
依賴項：curl
可以簡單的看下，裡面用到了curl ,正規表達式，ajax等技術，適合新手看看。在本地測試，必須保證聯網並且確保php開啟curl的mode.

 session_start();
 //封裝成類開啟這些自動抓取文章
 #header("Refresh:30;http:/ /www.test.com:8080");
 class SpiderTools{
 /////////////////////////////// ////////////////////////////////////////////////// //////////////////////////
 /*傳入文章ID 解析出文章標題*/
 ////// ////////////////////////////////////////////////// //////////////////////////////////////////////////
 public function getBookNameById($aid){
 //初始化curl
 $ch= curl_init();
 //url
 $url='http://www.motie.com /book/'.$aid;
 if(is_numeric($aid)){
 //正規表示式符合
 $ru="/s*(.*)s*s*/";
 }
 else{
 //殭屍爆發之全家求生路_第一章殭屍爆發為吾友愛樂兒更新~_磨鐵
 $ru="/(.*)/";
 }
 //設定選項，包括網址
 curl_setopt($ch, CURLOPT_URL, $url);
 curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);//不自動輸出內容
 curl_setopt($ch, CUR-LO 0);//不回傳頭部訊息
 curl_setopt($ch, CURLOPT_CONNECTTIMEOUT_MS, 0);
 //執行curl
 $output = curl_exec($ch);
 //錯誤提示
 if(curl_exec($ch) === false){
 die(curl_error($ch));
 }
 // 檢查是否有錯誤發生
 if(curl_errno($ch )){
 echo 'Curl error: ' . curl_error($ch);
 }
 //釋放curl句柄
 curl_close($ch);
 $arr=array();
 preg_match_all($ru,$output,$arr);
 return $arr[1][0];
 }
 //////////////// ////////////////////////////////////////////////// /////////////////////////////////////////
 /*傳入文章ID解析文章內容*/
 ////////////////////////////////////////// ////////////////////////////////////////////////// //////////////
 public function getBookContextById($aid){
 //開始解析文章
 $ids=array();
 $ids=explode ("_",$aid);
 $titleId=trim($ids[0]);
 $aticleId=trim($ids[1]);
 $ch= curl_init();
 $ru="/[sS]*[sS]*(.*)<img  src="/ajax/chapter/%24titleId/%24aticleId" class="hidden" alt="使用curl和正規表示式抓取網頁數據" >/ui";
 $url='http://www.motie.com/book/'.$aid;
 //正規表示式符合

 //設定選項，包括URL
 curl_setopt ($ch, CURLOPT_URL, $url);
 curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);//不自動輸出內容
 curl_setopt($ch, CURLOPT_HEADER, 0); 🎜> curl_setopt($ch, CURLOPT_CONNECTTIMEOUT_MS, 0);
 //執行curl
 $output = curl_exec($ch);
 //錯誤提示
 if(curl_exec($ch) ==== = false){
 die(curl_error($ch));
 }
 // 檢查是否有錯誤發生
 if(curl_errno($ch)){
 echo 'Curl error: ' . curl_error($ch);
 }
 $arr=array();
 $arr2=array();
 preg_match_all($ru,$output,$arr);
 curl_close($ch);
 #var_dump($arr);
 $s=$arr[0][0];
 $s=substr($s,180);
 $arr2 =explode(" return trim($arr2[0]);
 }

 //////////////// ////////////////////////////////////////////////// /////////////////////////////////////////
 /*靜態方法@生成小說檔案可以直接呼叫*/
 //////////////////////////////////////// ////////////////////////////////////////////////// ////////////////
 public static function createBookById($id){

 if(!is_numeric($id)){

 echo "INIT BEGIN START WRITE!";
 $st=new self();
 $cons=$st->getBookContextById($id);
 $title=$st-> getBookNameById($id);
 $cons=trim($cons);
 $t=explode(" ",$title);
 //建構目錄
 $dir=array();
 $dir=explode("_",$t[0]);
 $wzdir=$dir[0]; //書名作為目錄名稱
 $wzchapter=$dir[1]; //第幾章
 //建立目錄
 $wzdir2=iconv("UTF-8", "GBK", $wzdir);//目錄編碼注意這裡保留對$wzdir字串的引用，用來建構檔名，不能用此處，防止二次編碼
 if(!file_exists($wzdir2)){
 mkdir($wzdir2); //建立目錄
 }
 //建構檔名
 $wztitle="./".$wzdir."/"."$t[0]".".txt";
 //保證儲存的檔案名稱不是亂碼
 $wztitle=iconv("UTF-8", "GBK", $wztitle);
 $f=fopen($wztitle,"w ");
 fwrite($f,$cons) ;
 echo "$wzdir ".$wzchapter."寫入成功";
 fclose($f );

 }
 else{
 $ids=self::getBookIdsById($id);

 //這裡伺服器可能會斷線，所以最好用session記錄迴圈
 #for($i=$_SESSION["$id"."_fid"];$i
 #self::createBookById($id."_".$ids[$_SESSION["$id"."_fid"] ]);//建構id
 #}

 for($i=$_SESSION["$id"."_fid"];$i
 self::createBookById($id."_".$ids[$i]);//建構id
 }

 #echo "

寫入工作全部完成";
 #echo $id."_".$ids[0]."";
 #var_dump($ids) ;

 }

 }
 /*
 取得小說的所有ID
 @param $id 文章ID
 @return array;
 */
 public static function getBookIdsById($aid){
 $ch= curl_init();
 $url='http://www.motie.com/book/'.$aid."/chapter";
 //注意這裡的?可以取得最少匹配項
 $ru='/[sS]*?
[sS]*?.*? .*?/u';//正規表示式符合
 //設定選項，包括URL
 curl_setopt($ch, CURLOPT_URL, $url);
 curl_setopt($ch, CURLOPT_RETURNTRANSFERRETURNTRANSFER , 1);//不自動輸出內容
 curl_setopt($ch, CURLOPT_HEADER, 0);//不回傳頭部資訊
 curl_setopt($ch, CURLOPT_CONNECTTIMEOUT_MS, 0);
 //執行curl
 $output = curl_exec($ch);
 // 檢查是否有錯誤發生
 if(curl_errno($ch)){
 echo 'Curl error: ' . curl_error($ch);
 }
 //釋放curl句柄
 curl_close($ch);
 $arr=array();
 preg_match_all($ru,$output,$arr,PREG_PATTERN_ORDER);
		return $arr[1];
		}
				}








?>

 session_start();
require_once("SpiderTools.class.php");
if($_REQUEST["bid"]){"bid"]){
if(is_numeric($_REQUEST["bid"])){
 SpiderTools::createBookById(trim($_REQUEST["bid"]));
 }
 else{ echo "請輸入正確的文章ID";
 }
}
?>

複製程式碼

下載小說啦

輸入磨鐵中文網你想看到的小說ID號就可以下載小說啦

複製程式碼