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

$interval = empty($interval) ? 3600 : $interval;

$dirname = empty($dirname) ? 'news/' : $dirname;

if (empty($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);

include_once ('simple_html_dom.php');

$ch = curl_init();

curl_setopt($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();

foreach ($html->find('li  a') as $element) {

if (preg_match('#^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

$arr[] = getcontent($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'] = @iconv('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);

}

$fp = fopen($dirname . $filename, 'w');

fwrite($fp, $data);

fclose($fp);

$arr['img'] = $dirname . $filename;

}

return $arr;

}

如果大家有更好的建议，欢迎提出来

随意转载^^但请附上教程地址。