在网上看到很多简单的采集教程，尤其是针对图书网站的比较多，但附带实例的并不多，在看了一篇针对八路中文网的抓取分析后，决定针对这个网站，写一个简单的抓取教程，并附带实例。由于俺偷懒，文中很多分析都是来自《利用php制作简单的内容采集器》，俺只是进一步优化了他的流程，并完成了代码实例的编写。
采集程序其实并不难做，只要分析清楚流程，然后使用合适的正则来取到你想要的内容就可以了。废话不说了，教程开始：
1.分析入口：
多打开几本书后，可以发现书名的基本格式是：http://www.86zw.com/book/书号/index.aspx。于是得出：
代码:
$bookid='1888';
$index=http://www.86zw.com/book/.$bookid./index.aspx;//组合书目首页url
2.打开页面：
代码:
$contents=file_get_contents($index);
3.抓取图书信息页：
代码:
//抓取图书相关信息
preg_match_all(/(.*)/is,$contents,$arraytitle);
preg_match_all(/【点击阅读】/is,$contents,$arraylist);
unset($contents);
$title=$arraytitle[1][0];//书名
$list=http://www.86zw.com.trim($arraylist[1][0]);//列表页url
4.创建保存目录及文件：
代码:
//生成文本文档名称
$txt_name=$title..txt;
creatdir($bookid);//创建图片文件夹
writestatistic($title.\r\n,$txt_name);//图书标题写入文本文件
5.进入列表页：
代码:
//进入列表页
$list_contents=file_get_contents($list);
6.抓取列表页章节：
代码:
//进入列表页
//分章节抓块
preg_match_all(|(.*) 【分卷阅读】(.*)|uis,$list_contents,$block);
//计算总章节数
$regcount=count($block[0]);
7.分章节进行抓取：
代码:
//进入章节
for($pagebooknum=0;$pagebooknum unset($zhang);
unset($list_url);
$zhang=$block[1][$pagebooknum];//章节标题
writestatistic('章节：'.($pagebooknum+1).' '.$zhang.\r\n,$txt_name);//章节标题写入文本文件
preg_match_all(|(.*)|uis,$block[3][$pagebooknum],$list_url);
//进入页面
for($listnum=0;$listnum unset($book_url);
unset($book);
unset($book_contents);
unset($book_time);
unset($book_title);
$book_time=$list_url[2][$listnum];//小章节更新信息
$book_title=$list_url[3][$listnum];//小章节标题
$book_url=preg_replace('index.shtm'si,$list_url[1][$listnum],$list);//小章节链接url
writestatistic(($listnum+1).'.'.$book_title.'-'.$book_time.\r\n,$txt_name);//小章节标题写入文本文件
$book=file_get_contents($book_url);
//抓取图书内容
preg_match_all(/(.*)