基於PHP的簡單采集數據入庫程序【續篇】

在上篇文章中，我們已經采集新聞信息頁的列表數據，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。