curl 和正则采集网页_curl正则表示某张图片-程序员宅基地

技术标签: php  采集  

效果展示:

采集分类



代码实现:

      

<?php  
namespace App\Http\Controllers;
use Illuminate\Support\Facades\Input;
use Illuminate\Http\Request;
use DB;
class GatherController extends NewBaseController
{
     /**
      * 采集首页
      * @param  Request $request [description]
      * @return [array]           [分类数据]
      */
     public function index(Request $request){
         //查询分类信息
 		  $typeList = DB::table('type')->get();
 		  // print_r($typeList);exit;
         return view('gather',['typeList'=>$typeList ]); 
     }

     /**
      * 采集操作
      * @param  Request $request [description]
      * @return [array]           [分类|详细数据]
      */
     public function show(Request $request){
     	     set_time_limit(0); 
        if($request->input('type_id')){
             //分类采集成功
             $data=$request->input();
	         $typeId = $data['type_id'];
	         $typeList = DB::table('type')->where('type_id',$typeId)->first();
	         //确定分类链接 
	         $typeLink=$typeList['type_link'];
	         $url=$typeLink;
	         // $typeLink="";
	         //开始采集
	         if (function_exists('curl_init')) {
	    	 $url = $typeLink;
	   		 $ch = curl_init();
	   		 curl_setopt($ch, CURLOPT_URL, $url);
	   		 curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
	    	 curl_setopt($ch, CURLOPT_CONNECTTIMEOUT, 10);
	   		 $dxycontent = curl_exec($ch);
	   		 // echo $dxycontent;exit;
	   		 $reg='#<div class="article-list">.*<div class="pager">#isU';
	   		 preg_match($reg,$dxycontent,$p);
	   		 // print_r($p);exit;
	   		 // print_r($reg);
         	 $reg1 = '#<p>(.*)</p>#isU';
         	 $reg2 = '#<img class=".*" src=".*" data-original="(.*)" alt="(.*)">#isU';
         	 preg_match_all($reg2, $p[0], $img);
         	 // print_r($img);exit;
         	 //标题
         	 $titleList = $img[2];
         	 preg_match_all($reg1, $p[0], $content);
         	 //内容
         	 // $contentList=array();
         	 $contentList = $content[1];
         	 // print_r($contentList);exit;
         	 //图片
         	 $img1 = $img[1];
         	 // print_r($img1);exit;
         	 for($i=0;$i<=9;$i++){
         	 	// $imgList[] = $img1[$i];
         	 	$suff = substr($img1[$i],strrpos($img1[$i],'.'));
         	 	$fileName = rand(10000,90000).time().$suff;
         	 	$imgList[] = $fileName;
         	 	// echo $filename;
         	 	$v=file_get_contents($img1[$i]);
         	 	file_put_contents("upload/".$fileName,$v);
         	 }
         	 // exit;
             //入库
             $arr=array();
             foreach($titleList as $k=>$v){
 				$arr[$k]['news_title'] = $v;
 				$arr[$k]['news_content'] = $contentList[$k];
 				$arr[$k]['news_img'] = $imgList[$k];
 				$arr[$k]['type_id'] =  $typeId;
 				$res=DB::table('news')->insertGetId($arr[$k]);
             }
             // exit;
             if($res){
             	$newsList = DB::table('news')->get(); 
             	// print_R($newsList);exit;
             	 	return view('news_list',['newsList'=>$newsList]);
             }
	   	    }
        }else{
         	//采集分类
         	$link=$request->input('link');
         	     //开始采集
		         if (function_exists('curl_init')) {
		    	 $url = $link;
		   		 $ch = curl_init();
		   		 curl_setopt($ch, CURLOPT_URL, $url);
		   		 curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
		    	 curl_setopt($ch, CURLOPT_CONNECTTIMEOUT, 10);
		   		 $dxycontent = curl_exec($ch);
		   		 // echo $dxycontent;
		   		 $reg='#<li ><a href="(.*)">(.*)</a></li>#isU';
		   		 preg_match_all($reg, $dxycontent, $list);
		   		 // print_r($list);exit;
		   		 // $typeName
		   		  $arr=array();
		   		  foreach($list[1] as $k=>$v){
                      $arr[$k]['type_link'] = $v;
		   		  }
		   		  foreach($list[2] as $k=>$v){
                      $arr[$k]['type_name'] = $v;
		   		  }
		   		  //分类入库
		   		  foreach($arr as $k=>$v){
		   		   $res = DB::table('type')->insertGetId($v);
		   		  }
		   		   //跳转到首页
		   		   if($res){
		   		   	 return redirect('/gather');
		   		   }else{
		   		   	  echo "添加失败";
		   		   } 
		   		    // print_r($arr);exit;
		  		 } else {
		   		 echo '主人的服务器尚未开启curl扩展';
		        }
		         	print_r($request->input());
		  }
     }
}






?>

恶心人的地方:正则匹配

需要注意的地方:file_put_contents 的使用




版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://blog.csdn.net/woshihaiyong168/article/details/53405718

智能推荐

攻防世界_难度8_happy_puzzle_攻防世界困难模式攻略图文-程序员宅基地

文章浏览阅读645次。这个肯定是末尾的IDAT了,因为IDAT必须要满了才会开始一下个IDAT,这个明显就是末尾的IDAT了。,对应下面的create_head()代码。,对应下面的create_tail()代码。不要考虑爆破,我已经试了一下,太多情况了。题目来源:UNCTF。_攻防世界困难模式攻略图文

达梦数据库的导出(备份)、导入_达梦数据库导入导出-程序员宅基地

文章浏览阅读2.9k次,点赞3次,收藏10次。偶尔会用到,记录、分享。1. 数据库导出1.1 切换到dmdba用户su - dmdba1.2 进入达梦数据库安装路径的bin目录,执行导库操作  导出语句:./dexp cwy_init/[email protected]:5236 file=cwy_init.dmp log=cwy_init_exp.log 注释:   cwy_init/init_123..._达梦数据库导入导出

js引入kindeditor富文本编辑器的使用_kindeditor.js-程序员宅基地

文章浏览阅读1.9k次。1. 在官网上下载KindEditor文件,可以删掉不需要要到的jsp,asp,asp.net和php文件夹。接着把文件夹放到项目文件目录下。2. 修改html文件,在页面引入js文件:<script type="text/javascript" src="./kindeditor/kindeditor-all.js"></script><script type="text/javascript" src="./kindeditor/lang/zh-CN.js"_kindeditor.js

STM32学习过程记录11——基于STM32G431CBU6硬件SPI+DMA的高效WS2812B控制方法-程序员宅基地

文章浏览阅读2.3k次,点赞6次,收藏14次。SPI的详情简介不必赘述。假设我们通过SPI发送0xAA,我们的数据线就会变为10101010,通过修改不同的内容,即可修改SPI中0和1的持续时间。比如0xF0即为前半周期为高电平,后半周期为低电平的状态。在SPI的通信模式中,CPHA配置会影响该实验,下图展示了不同采样位置的SPI时序图[1]。CPOL = 0,CPHA = 1:CLK空闲状态 = 低电平,数据在下降沿采样,并在上升沿移出CPOL = 0,CPHA = 0:CLK空闲状态 = 低电平,数据在上升沿采样,并在下降沿移出。_stm32g431cbu6

计算机网络-数据链路层_接收方收到链路层数据后,使用crc检验后,余数为0,说明链路层的传输时可靠传输-程序员宅基地

文章浏览阅读1.2k次,点赞2次,收藏8次。数据链路层习题自测问题1.数据链路(即逻辑链路)与链路(即物理链路)有何区别?“电路接通了”与”数据链路接通了”的区别何在?2.数据链路层中的链路控制包括哪些功能?试讨论数据链路层做成可靠的链路层有哪些优点和缺点。3.网络适配器的作用是什么?网络适配器工作在哪一层?4.数据链路层的三个基本问题(帧定界、透明传输和差错检测)为什么都必须加以解决?5.如果在数据链路层不进行帧定界,会发生什么问题?6.PPP协议的主要特点是什么?为什么PPP不使用帧的编号?PPP适用于什么情况?为什么PPP协议不_接收方收到链路层数据后,使用crc检验后,余数为0,说明链路层的传输时可靠传输

软件测试工程师移民加拿大_无证移民,未受过软件工程师的教育(第1部分)-程序员宅基地

文章浏览阅读587次。软件测试工程师移民加拿大 无证移民,未受过软件工程师的教育(第1部分) (Undocumented Immigrant With No Education to Software Engineer(Part 1))Before I start, I want you to please bear with me on the way I write, I have very little gen...

随便推点

Thinkpad X250 secure boot failed 启动失败问题解决_安装完系统提示secureboot failure-程序员宅基地

文章浏览阅读304次。Thinkpad X250笔记本电脑,装的是FreeBSD,进入BIOS修改虚拟化配置(其后可能是误设置了安全开机),保存退出后系统无法启动,显示:secure boot failed ,把自己惊出一身冷汗,因为这台笔记本刚好还没开始做备份.....根据错误提示,到bios里面去找相关配置,在Security里面找到了Secure Boot选项,发现果然被设置为Enabled,将其修改为Disabled ,再开机,终于正常启动了。_安装完系统提示secureboot failure

C++如何做字符串分割(5种方法)_c++ 字符串分割-程序员宅基地

文章浏览阅读10w+次,点赞93次,收藏352次。1、用strtok函数进行字符串分割原型: char *strtok(char *str, const char *delim);功能:分解字符串为一组字符串。参数说明:str为要分解的字符串,delim为分隔符字符串。返回值:从str开头开始的一个个被分割的串。当没有被分割的串时则返回NULL。其它:strtok函数线程不安全,可以使用strtok_r替代。示例://借助strtok实现split#include <string.h>#include <stdio.h&_c++ 字符串分割

2013第四届蓝桥杯 C/C++本科A组 真题答案解析_2013年第四届c a组蓝桥杯省赛真题解答-程序员宅基地

文章浏览阅读2.3k次。1 .高斯日记 大数学家高斯有个好习惯:无论如何都要记日记。他的日记有个与众不同的地方,他从不注明年月日,而是用一个整数代替,比如:4210后来人们知道,那个整数就是日期,它表示那一天是高斯出生后的第几天。这或许也是个好习惯,它时时刻刻提醒着主人:日子又过去一天,还有多少时光可以用于浪费呢?高斯出生于:1777年4月30日。在高斯发现的一个重要定理的日记_2013年第四届c a组蓝桥杯省赛真题解答

基于供需算法优化的核极限学习机(KELM)分类算法-程序员宅基地

文章浏览阅读851次,点赞17次,收藏22次。摘要:本文利用供需算法对核极限学习机(KELM)进行优化,并用于分类。

metasploitable2渗透测试_metasploitable2怎么进入-程序员宅基地

文章浏览阅读1.1k次。一、系统弱密码登录1、在kali上执行命令行telnet 192.168.26.1292、Login和password都输入msfadmin3、登录成功,进入系统4、测试如下:二、MySQL弱密码登录:1、在kali上执行mysql –h 192.168.26.129 –u root2、登录成功,进入MySQL系统3、测试效果:三、PostgreSQL弱密码登录1、在Kali上执行psql -h 192.168.26.129 –U post..._metasploitable2怎么进入

Python学习之路:从入门到精通的指南_python人工智能开发从入门到精通pdf-程序员宅基地

文章浏览阅读257次。本文将为初学者提供Python学习的详细指南,从Python的历史、基础语法和数据类型到面向对象编程、模块和库的使用。通过本文,您将能够掌握Python编程的核心概念,为今后的编程学习和实践打下坚实基础。_python人工智能开发从入门到精通pdf