前几天做了个小说连载的程序，因为怕更新麻烦，顺带就写了个采集器，采集八路中文网的，功能比较简单，不能自定义规则，不过大概思路都在里面了，自定义规则可以自己来扩展。用php来做采集器主要用到两个PHP函数：file_get_contents()和preg_match_all()，前一个是远程读取网页内容的，不过只在php5以上的版本才能用，后一个是正则函数，用来提取需要的内容的。面就一步一步来讲功能实现。因为是采集小说，所以首先要将书名、作者、类型这三个提取出来，别的信息可根据需要提取。

这样还不够，还需要一个切取PHP函数：

function cut($string,$start,$end){     
$message = explode($start,$string);     
$message = explode($end,$message[1]); return $message[0];}其中$string为要被切取的内容，$start为开始的地方，$end为结束的地方。取出分类号：     
 
$start = Html/Book/;     
$end    
= List.shtm;     
$typeid = cut($typeid[0][0],$start,$end);     
$typeid = explode(/,$typeid);[/php]     
 
这样，$typeid[0]就是我们要找的分类号了。方法如下：     
 
$ustart = ;     
$uend    
= ;     
//t表示title的缩写     
$tstart = >;     
$tend    
= <;     
//取路径,例如:123.shtm,2342.shtm,233.shtm     
preg_match_all(/[0-9]{1,}.(shtm)/is,$chapterurl,$url);     
//取标题,例如:第一章 九世善人     
preg_match_all(/<a href=[0-9]{1,}.shtm(.*?)</a>/is,$file,$title);     
$countcountcount = count($url[0]);     
for($i=0;$i<=$count;$i++)     
{     
$u = cut($url[0][$i],$ustart,$uend);     
$t = cut($title[0][$i],$tstart,$tend);     
$array[$u] = $t;     
}    

$array数组就是所有的章节地址了，到这里，采集器就完成一半了，剩下的就是循环打开每个章节地址，读取，然后将内容匹配出来。这个比较简单，这里就不详细叙述了。好了，今天就先写到这吧，第一次写这么长的文章，语言组织方面难免有问题，还请大家多包涵！

文章地址:http://www.phprm.com/frame/php1003510.html

转载随意^^请带上本文地址!