回到明朝当王爷的采集器是怎样的一种体验？

　　回到明朝当王爷的采集器是怎样的一种体验？

　　采集器，通常称为小偷程序，主要用于获取他人网页的内容。关于采集器的产生，实际上并不困难。它将远程打开采集的网页，然后使用正则表达式匹配所需的内容。只要您有一点正则表达式基础，就可以制作自己的采集器。

　　几天前，我做了一个新颖的序列化程序，因为我担心更新的麻烦，所以我顺便写了一个采集器，采集八路中文网络。该功能相对简单，无法自定义规则，但可能存在这些想法。在内部，自定义规则可以自己扩展。

　　使用php进行采集器主要使用两个函数：file_get_contents（）和preg_match_all（）。第一个用于远程读取Web内容，但只能在php5以上的版本中使用，而后者是常规功能。 ，用于提取所需的内容。

　　下面是功能实现的分步说明。

　　因为这是一部采集小说，所以请先提取标题，作者和体裁。可以根据需要提取其他信息。

　　这里的目标是“重返明代做王子”，首先打开书目页面，链接：

　　再打开几本书，您会发现书名的基本格式为：书号/Index.aspx，因此我们可以创建一个起始页并定义一个以输入需要采集的书号，然后我们可以传递$ _POST ['number']的格式是接收需要采集的书号。收到书号后，下一步是构建书目页：$ url = $ _ POST ['number'] / Index.aspx，当然，这里有一个示例，主要是为了便于说明，它是最好检查一下实际产量。 _POST ['number']的合法性。

　　构造URL之后，您可以启动采集图书信息。使用file_get_contents（）函数打开书目页面：$ content = file_get_contents（$ url），以便可以阅读书目页面的内容。下一步是匹配书名，作者和类型。让我们以这本书为例，其他所有内容都是相同的。打开书目页面，检查源文件，找到“回到明朝当主”，这是要提取的书的标题。提取书名的正则表达式：/（。*？）\ / is，使用preg_match_all（）函数提取书名：preg_match_all（“ /(.*?)\/ is”，$ contents，$ title ）; $ title [0] [0]的内容就是我们想要的标题（可以在百度上检查preg_match_all函数的用法，在此不再详细说明）。取出图书信息后，下一步就是获取章节内容。要获取章节内容，首先要做的是找到每个章节的地址，然后远程打开该章节，使用常规规则将内容取出，将其存储在库中或直接生成html静态文件。这是章节列表的地址：可以看出，这与书目页面相同，可以定期查找：分类号/书号/List.shtm。已获得ISBN。此处的关键是找到分类编号。分类号可以在上一个参考书目页面上找到。提取分类号：

　　preg_match_all（“ / Html \ / Book \ / [0-9] {1，} \ / [0-9] {1，} \ / List \ .shtm / is”，$ contents，$ typeid）;这还不够，我们还需要一个cut函数：

　　] [-] PHP代码如下：

　　函数剪切（$ string，$ start，$ end）{

　　$ message = explode（$ start，$ string）;

　　$ message = explode（$ end，$ message [1]）; return $ message [0];}其中$ string是要剪切的内容，$ start是开始，$ end是结束。检索分类号：

　　$ start =“ HTML / Book /”;

　　$ end

　　=“ List.shtm”;

　　$ typeid = cut（$ typeid [0] [0]，$ start，$ end）;

　　$ typeid = explode（“ /”，$ typeid）; [/ php]

　　复制代码

　　这样，$ typeid [0]是我们要查找的分类号。下一步是构造章节列表的地址：$ chapterurl = $ typeid [0] / $ _ POST [‘number’] / List.shtm。这样，您可以找到每个章节的地址。方法如下：

　　$ ustart =“”“;

　　$ uend

　　=“”“;

　　// t代表标题的缩写

　　$ tstart =“>”;

　　$ tend

　　=“