抓取就是采集了,今天因为我们要做一个实时采集新浪新闻的功能,下面整理了一个非常了得的php 抓取新浪新闻的程序，我们来看看,首先,需要下载一个simple_html_dom第三方扩展库,具体下载方式和使用详情可以查看:simple_html_dom的使用,需要环境支持file_get_contents()函数和curl的支持,具体代码如下:

<?php
function timingimg($url, $dirname, $interval) {
    ignore_user_abort(); //浏览器关闭，程序继续执行
    set_time_limit(0); //忽略到默认30秒超时
    $interval = emptyempty($interval) ? 3600 : $interval;
    $dirname = emptyempty($dirname) ? 'news/' : $dirname;
    if (emptyempty($url)) {
        die('请输入目标网址！！！');
    }
    do {
        $arr = loadimg($url, $dirname);
        return $arr; //返回抓取内容所保存的路径
        sleep($interval);
        die;
    } while (true);
}
/** 
 *获取所有新闻链接
 *参数 $url  新闻列表地址
 *参数 $dirname 新闻图片保存路径
 * 返回 二维数组  所有新闻记录
 */
function loadimg($url, $dirname) {
    set_time_limit(0); < ahref = "/tags.php/include/"target = "_blank" > include < / a > _once('simple_html_dom.php');
    $ch = curl_init(); < ahref = "/tags.php/curl_setopt/"target = "_blank" > curl_setopt < / a > ($ch, CURLOPT_URL, $url);
    curl_setopt($ch, CURLOPT_HEADER, false);
    curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
    $output = curl_exec($ch);
    curl_close($ch);
    $html = new simple_html_dom();
    $html->load($output);
    $images = array();
    $arr = array(); < ahref = "/tags.php/foreach/"target = "_blank" > foreach < / a > ($html->find('li  a') as $element) {
        if ( < ahref = "/tags.php/preg_match/"target = "_blank" > preg_match < / a > ('#^http://tech.sina.com.cn/it/[d]{4}-[d]{1,2}-[d]{1,2}/[d]+.shtml$#i', $element->href)) {
            array_push($images, $element->href);
        }
    }
    $images = array_unique($images);
    sort($images);
    for ($i = 0; $i < 10; $i++) { //只抓取10条记录
        $arr[] = getcontent($images[$i], $dirname);
    }
    return $arr;
}
/** 
 *
 *
 * 抓取单个新闻内容
 *参数  $url 新闻页面地址
 *参数  $dirname 图片保存路径
 *返回 一个新闻记录 一维数组
 */
function getcontent($url, $dirname) {
    include_once ('simple_html_dom.php');
    $html = new simple_html_dom();
    $data = file_get_contents($url);
    $html->load($data);
    $arr = array();
    foreach ($html->find('h1#artibodyTitle') as $element) {
        $arr['title'] = @ < ahref = "/tags.php/iconv/"target = "_blank" > iconv < / a > ('gbk', 'utf-8', $element->innertext);;
    }
    $str = '';
    foreach ($html->find('div#artibody p') as $element) {
        $str.= $element;
    }
    $arr['content'] = $str;
    foreach ($html->find('div.img_wrapper img') as $element) {
        $arr['alt'] = $element->alt;
        $data = file_get_contents($element->src);
        $info = getimagesize($element->src); //get image information
        switch ($info[2]) {
            case 1:
                $str = 'gif';
                break;
            case 2:
                $str = 'jpg';
                break;
            case 3:
                $str = 'png';
                break;
            default:
                continue;
                break;
        }
        $filename = time() . rand(1, 999999) . '.' . $str;
        if (!is_dir($dirname)) {
            mkdir($dirname, 0777, true);
        }
        $fp = < ahref = "/tags.php/fopen/"target = "_blank" > fopen < / a > ($dirname . $filename, 'w');
        fwrite($fp, $data);
        fclose($fp);
        $arr['img'] = $dirname . $filename;
    }
    return $arr;
}

永久链接：http://www.phprm.com/develop/fs9220.html

转载随意！带上文章地址吧。