利用正则表达式提取内容信息
<?php
//error_reporting(0);
$date=date("ymd");
//echo $date;
$url="http://top.finance.sina.com.cn/ws/gettopdatalist.php?top_type=day&top_cat=all&top_time=".$date."&top_show_num=20&top_order=asc";
$doc=file_get_contents($url);
header("content-type:text/html;charset=gb2312");//unicode转gb2312
//echo $doc;
preg_match_all('/"url":".*l/u',$doc,$article);//获取文章列表
$article=current($article);//二维数组转一维数组
//print_r($article);
$rule="/\"url\":(.*)\"\"/";
function onlyurl($string){
$string=stripslashes($string);
$string=str_replace('"url":"',"",$string);
return $string;
}
function gettitle($url){ //获取文章标题
$doc=file_get_contents($url);
$rule="/<h1 (.*)<\/h1>/";
preg_match($rule,$doc,$result);
echo $result;
}
foreach($article as &$value){
$value=onlyurl($value);
}//提取了url
?>
<?php
function gettitle($url){ //获取文章标题
$rule="/<h1 (.*)<\/h1>/";
preg_match_all($rule,$doc,$result);
$rule="/>(.*)</";//截掉<h1></h1>
preg_match($rule,$result[0][1],$title);
return $title[1];
}
function getcontent($url){
$doc=file_get_contents($url);//打开网页
// echo $doc;
$rule="/publish_helper(.*)publish_helper_end/xs";
preg_match($rule,$doc,$result);//取出正文部分
//echo $result[0];
$rule="/publish_helper(.*)<\/blockquote>/xs";
preg_match($rule,$result[0],$out);//取出链接部分
//print_r($out);
$content=str_replace($out[0],"",$result[0]);//提取纯文字段的内容
echo $content;
}
?>