在上篇文章中，我們已經(jīng)采集新聞信息頁(yè)的列表數(shù)據(jù)，接下來(lái)要做的操作就是從數(shù)據(jù)庫(kù)中讀取所需要采集的URL，進(jìn)行頁(yè)面抓取就行

新建一個(gè)content表

不過(guò)需要注意的一點(diǎn)是，不能再采用采集URL這種id遞增的方法去采集，因?yàn)閿?shù)據(jù)表中可能出現(xiàn)id斷續(xù)，比如id=9，id=11，當(dāng)采集到id=10的時(shí)候，URL是空白的，這樣可能會(huì)導(dǎo)致采集到了空字段。

這里用到的一個(gè)技巧是數(shù)據(jù)庫(kù)的查詢語(yǔ)句，在我們采集完第一條數(shù)據(jù)的時(shí)候，判斷數(shù)據(jù)庫(kù)里是否還有大于此id的id編號(hào)，若有，讀取一條，查詢信息重復(fù)上面的工作。

具體代碼如下：

<?php    include_once("conn.php");  $id=(int)$_GET['id'];  $sql="select * from list where id=$id";  $result=mysql_query($sql);  $row=mysql_fetch_array($result);//取得對(duì)應(yīng)的url地址  $content=file_get_contents($row['url']);  $pattern="/<dd class=/"dataWrap/">(.*)<//dd>/iUs";  preg_match($pattern, $content,$info);//獲取內(nèi)容存放info  echo $title=$row[1]."<br/>";  echo $content=$info[0]."<hr/>";  //插入數(shù)據(jù)庫(kù)  $add="insert into content(title,content) value('$title','$content')";  mysql_query($add);  $sql2="select * from list where id>$id order by id asc limit 1";  $result2=mysql_query($sql2);  $row2=mysql_fetch_array($result2);//取得對(duì)應(yīng)的url地址  if($row2['id']){    echo "<script>window.location='content.php?id=$row2[0]'</script>";  }?>

這樣子我們所要的新聞內(nèi)容就采集入庫(kù)了，接下來(lái)只需要對(duì)數(shù)據(jù)的一些樣式進(jìn)行整理就行了。

php技術(shù)：基于PHP的簡(jiǎn)單采集數(shù)據(jù)入庫(kù)程序【續(xù)篇】，轉(zhuǎn)載需保留來(lái)源！

鄭重聲明：本文版權(quán)歸原作者所有，轉(zhuǎn)載文章僅為傳播更多信息之目的，如作者信息標(biāo)記有誤，請(qǐng)第一時(shí)間聯(lián)系我們修改或刪除，多謝。