同时提取多条新闻中的文本一例

lwx3069@sina.com

这里以人民网中的“今日要闻”下的新闻为例.

($url) ? "" : $url = "http://www.unn.com.cn/GB/channel2/3/11/index.html";// 今日要闻

if(isset($url)&&$url!=""){

$str = implode("",file($url));

$str_ary = explode("

",$str);

$str_ary = explode("

• ",trim($str_ary[1]));

  for ($i=0; $i<8; $i++){

  if (strlen(trim($str_ary[$i]))<3){

  continue;

  }

  echo "新闻".$i."：".$str_ary[$i];

  $str1=strstr("$str_ary[$i]",'$str2=strstr("$str_ary[$i]",'" target');

  $len1=strlen("$str1");

  $len2=strlen("$str2");

  $len=$len1-$len2;

  $url=substr("$str1",10,$len-10);

  if (strlen(trim($url))!=0) {

  $url = "http://www.unn.com.cn/".$url;

  define(CONTENTS_DIR,"./contents/");

  if(isset($url)&&$url!=""){

  $str = implode("",file($url));

  $str1=explode('

  ',$str);//去掉文件没用的上半部分

  $str2 = explode('

  ',$str1[1]);

  //取出文件的下半部分，并去掉没用的下半部分，这时得到的都是有用的

  $str3=explode('',$str2[0]);//从整个有用部分取出文件标题和正文

  $str4=explode('

  ',$str2[0]);//取出日期和时间

  $str5=explode('',$str3[1]);//从标题和正文部分取出标题

  $title=str_replace("

  ","",$str5[0]);

  $str3=explode('

  ',$str2[0]);//从整个有用部分取出文件正文

  $str3[1]=str_replace('

  ',"n"."",$str3[1]);

  $str3[1]=str_replace('',"",$str3[1]);

  $str3=strip_tags($str3[1]);

  $pf=trim($title).".txt";

  $ppf=fopen(CONTENTS_DIR."$pf",'w');

  fputs($ppf,$title);

  fputs($ppf,"$str4[0]");

  fputs($ppf,$str3);

  }

  }

  }

  }

  ?>