基於PHP采集數據入庫程序（二），php采集數據入庫

基於PHP采集數據入庫程序（二），php采集數據入庫

在上篇 基於PHP采集數據入庫程序（二） 中提到采集新聞信息頁的列表數據，接下來講講關於采集新聞具體內容

這是上篇博客的最終數據表截圖：

接下來要做的操作就是從數據庫中讀取所需要采集的URL，進行頁面抓取就行

新建一個content表

不過需要注意的一點是，不能再采用采集URL這種id遞增的方法去采集，因為數據表中可能出現id斷續，比如id=9，id=11，當采集到id=10的時候，URL是空白的，這樣可能會導致采集到了空字段。

這裡用到的一個技巧是數據庫的查詢語句，在我們采集完第一條數據的時候，判斷數據庫裡是否還有大於此id的id編號，若有，讀取一條，查詢信息重復上面的工作。

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);//取得對應的url地址
    $content=file_get_contents($row['url']);
    $pattern="/<dd class=\"dataWrap\">(.*)<\/dd>/iUs";
    preg_match($pattern, $content,$info);//獲取內容存放info
    echo $title=$row[1]."<br/>";
    echo $content=$info[0]."<hr/>";

    //插入數據庫
    $add="insert into content(title,content) value('$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);//取得對應的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容就采集入庫了，接下來只需要對數據的一些樣式進行整理就行了。

php程序員對數據采集的要掌握程度怎？

php數據采集常見技術要領：

1、熟練正則表達式提取數據技術：提取內容關鍵步驟
2、熟練字符編碼轉換分析技術：兼容性管理以及數據有效性控制
3、熟練數據出庫入庫整理技術：對已采集內容的存儲管理，包括數據庫以及文件和進度
4、發掘數據以及網站爬行技術：分析網站結構，簡化爬行手法，提高效率
5、反反采集處理技術：對於存在反采集的目標對象而設計的反反采集技術
6、多服務器並發采集管理技術：提高效率的工作方法
7、數據整理分析技術：查漏驗證數據正確性有效性
8、自我身份保護技術：自身信息的保護
 

PHP采集入庫問題

php 裡有$nr = implode(‘#’,$arr) 方法 ,就可以 了
不過上面的組成的是“內容1#內容2”，沒有最後面的一個#，要是必須的話
就是$nr = implode('#',$arr).'#'

在笨的方法，就是用
foreach( $arr as $vl){
$nr.=$vl."#";
}
參考資料：$