<?php
//包含PHP Simple html Dom 类库文件
include_once ('./simplehtmldom/simple_html_dom.php');
//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.babytree.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.babytree.com/learn/article/" . $out[$key][1];
}
//根据url获取文章内容
foreach ($article['link'] as $key => $value) {
    $html = file_get_html($value);
    $div = $html->find('div[id=pagenum_0]');
    $article[content][] = $div[0]->innertext;
}
//标题转码---真正用的时候不用这步--因为咱本来就要用utf8的
//不转码还真不能保存成文件
foreach ($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]);
}

/*本来想12点之前发的。。但小看一下都3点半了。。。 就算昨天的吧

本来获取文章内容时用正则是最好的，速度也是最快的， 

奈何正则是好，但正则表达式是真难！于是乎小查了一下， 

网上也有很多人也在用PHP Simple Dom 虽然效率慢了点，但效果还是不错的 

从包含类库文件到写入txt文件 大概是7/8就秒 还有带于进一步优化，特别是那获取文章内容时的正则，那个太恶心了 

大家可以小研究一下*/

永久链接：http://www.phprm.com/code/5727d68a5579cff787f5e4520a7f52e3.html

转载随意！带上文章地址吧。