一个php文本采集类,有需要的朋友可以看看。
使用示例:
php文本采集类文件:
<%
/**
模块名:php文本采集类
**/
class Collection{
//入口 公有
var $url; //欲分析的url地址
var $content; //读取到的内容
var $regExp; //要获取部分的正则表达式
var $codeFrom; //原文的编码
var $codeTo; //欲转换的编码
var $timeout; //采集等待的时间
var $startFlag; //文章开始采集的标志 默认为0 在进行采集条目时,只对$startFlag 和 $endFlag之间的文字块进行搜索和采集。
var $endFlag; //文章结束采集的标志 默认为文章末尾 在进行采集条目时,只对$startFlag 和 $endFlag之间的文字块进行搜索和采集。
var $block; //$startFlag 和 $endFlag之间的文字块
//出口 私有
var $result; //输出结果
//初始化收集器
function init(){
if(empty($url))
$this->getFile();
$this->convertEncoding();
}
//采集所需内容
function parse(){
$this->getBlock();
preg_match_all($this->regExp, $this->block ,$this->result,PREG_SET_ORDER);
return $this->block;
}
//错误处理
function error($msg){
echo $msg;
}
//读取远程网页 如果成功,传回文件;如果失败传回false
function getFile(){
$datalines = @file($this->url);
if(!$datalines){
$this->error("can't read the url:".$this->url);
return false;
} else {
$importdata = implode('', $datalines);
$importdata = str_replace(array ("rn", "r"), "n", $importdata);
$this->content = $importdata;
}
}
//获取所需要的文字块
function getBlock(){
if(!empty($this->startFlag))
$this->block = substr($this->content,strpos($this->content,$this->startFlag));
if(!empty($this->endFlag))
$this->block = substr($this->block,0,strpos($this->block,$this->endFlag));
}
//内容编码的转换
function convertEncoding(){
if(!empty($this->codeTo))
$this->codeFrom = mb_detect_encoding($this->content);
//如果给定转换方案,才执行转换。
if(!empty($this->codeTo))
$this->content = mb_convert_encoding($this->content,$this->codeTo,$this->codeFrom) or $this->error("can't convert Encoding");
}
}//end of class
?>