在上篇 基于PHP的简单采集数据入库程序 中提到采集新闻信息页的列表数据,接下来讲讲关于采集新闻具体内容
在上篇文章中,我们已经采集新闻信息页的列表数据,接下来要做的操作就是从数据库中读取所需要采集的URL,,进行页面抓取就行
新建一个content表
不过需要注意的一点是,不能再采用采集URL这种id递增的方法去采集,因为数据表中可能出现id断续,比如id=9,id=11,当采集到id=10的时候,URL是空白的,这样可能会导致采集到了空字段。
这里用到的一个技巧是数据库的查询语句,在我们采集完第一条数据的时候,判断数据库里是否还有大于此id的id编号,若有,读取一条,查询信息重复上面的工作。
具体代码如下:
<?php include_once("conn.php"); $id=(int)$_GET['id']; $sql="select * from list where id=$id"; $result=mysql_query($sql); $row=mysql_fetch_array($result);//取得对应的url地址 $content=file_get_contents($row['url']); $pattern="/
这样子我们所要的新闻内容就采集入库了,接下来只需要对数据的一些样式进行整理就行了。
已抢17490个
抢已抢50279个
抢已抢121401个
抢已抢184689个
抢已抢66449个
抢已抢351016个
抢