關於Simple_html_dom的小應用

　　今天一同學給我推薦了本書，說是剛出不久，內容還不錯，是心靈雞湯類的書，於是按捺不住就像在網上下一本，可是木有資源腫麼辦。只有線上看的，作為一個準碼農，所以甭廢話了，我們得用程式碼解決問題對吧……

　　1.工欲善其事必先利其器

　　首先你得有個工具用吧，別想我之前似得抓個網頁，就寫了好多的$pattern去挨個匹配標籤，作為偽程式設計師那哪行啊，對吧，我們得學著它Simple_html_dom

專門解析HTML文件的一東西，超好用的哦~。Simple_html_dom是什麼東西在我們部落格園上就有怎麼用的部落格，在這不做贅述。

　　2.程式碼詳解

　　啥也甭說，還是程式碼說話給力，以下是抓去新浪的小說為例。

　　（1）首先得引入檔案吧

　　　　include"simple_html_dom.php";

　　（2）我們這抓小說比較簡單，深度就一層，不涉及到什麼圖的深搜廣搜，你只要觀察URL的規律即可

　　　　$url="http://vip.book.sina.com.cn/chapter/220331/2143";//用for迴圈加東西就是了

　　（3）如果for迴圈的次數太多會報錯：超時提醒。甭擔心這不是我們的錯，這是配置檔案的錯，我們加上這句話就OK了

　　　　ini_set('max_execution_time', '100');

　　（4）例項化Simple_html_dom

　　　　$html=new simple_html_dom();

　　（5）然後就是for迴圈生成一個個的URL然後提取內容了主要用到下面的東西　　

　　　　//從URL載入
$html->load_file($url_temp);

　　　　//查詢class為mainContent的div
$title=$html->find("div[class=mainContent] h1",0);

　　　　//收集正文
$content=$html->find("div[class=mainContent] div[class=contTxt1]",0);

　　（6）適當的用正則控制以下格式

　　　　//換行
$content=preg_replace($pattern,"\r\n",$content);
//加空格
$content=preg_replace($pattern1," ",$content);

　　（7）當然少不了他了（去除html標籤）

　　　　$title=strip_tags($title);
$content=strip_tags($content);

　　（8）寫入檔案即可

　　（9）恭喜你，小說抓取成功。

3.主要用到的技術

　　　（1）對php的熟練應用

　　　（2）掌握正規表示式。

　　　（3）主要是Simple_html_dom.php的使用

　　　（4）還得注意php超時問題

　　當迴圈太多時會出現超時問題，建議不要修改配置檔案