採集器，通常又叫小偷程式，主要是用來抓取別人網頁內容的。關於採集器的製作，其實並不難，就是遠端開啟要採集的網頁，然後用正規表示式將需要的內容匹配出來，只要稍微有點正規表示式的基礎，都能做出自己的採集器來的。
前幾天做了個****的程式，因為怕更新麻煩，順帶就寫了個採集器，採集八路中文網的，功能比較簡單，不能自定義規則，不過大概思路都在裡面了，自定義規則可以自己來擴充套件。
用php來做採集器主要用到兩個函式：file_get_contents()和preg_match_all()，前乙個是遠端讀取網頁內容的，不過只在php5以上的版本才能用，後乙個是正則函式，用來提取需要的內容的。
下面就一步一步來講功能實現。
因為是採集**，所以首先要將書名、作者、型別這三個提取出來，別的資訊可根據需要提取。
多開啟幾本書會發現，書名的基本格式是：書號/index.aspx，於是我們可以做乙個開始頁， 定義乙個，用來輸入需要採集的書號，以後就可以通過$_post[『number』]這種格式來接收需要採集的書號了。接收到書 號，下面要做的就是構造書目頁：$url=$_post[『number』] /index.aspx，當然這裡是舉個例子，主要是為了講解方便，實際製作的時候最好檢查一下$_post[『number』]的合法性。
preg_match_all("/html\/book\/[0-9]\/[0-9]\/list\.shtm/is",$contents,$typeid);這樣還不夠，還需要乙個切取函式：
[複製php**] [ - ]php**如下:
function cut($string,$start,$end)其中$string為要被切取的內容，$start為開始的地方，$end為結束的地方。取出分類號：
$start = "html/book/";
$end
= "list.shtm";
$typeid = cut($typeid[0][0],$start,$end);
$typeid = explode("/",$typeid);[/php]
這樣，$typeid[0]就是我們要找的分類號了。接下來就是構造章節列表的位址了：$chapterurl = 有了這 個就能找到每一章節的位址了。方法如下：
$ustart = "\"";
$uend
= "\"";
//t表示title的縮寫
$tstart = ">";
$tend
= "<";
//取路徑,例如:123.shtm,2342.shtm,233.shtm
preg_match_all("/\"[0-9]\.(shtm)\"/is",$chapterurl,$url);
//取標題,例如:第一章 九世善人
preg_match_all("//is",$file,$title);
$count = count($url[0]);
for($i=0;$i<=$count;$i++)
$array陣列就是所有的章節位址了，到這裡，採集器就完成一半了，剩下的就是迴圈開啟每個章節位址，讀取，然後將內容匹配出來。這個比較簡單，這裡就不詳細敘述了。好了，今天就先寫到這吧，第一次寫這麼長的文章，語言組織方面難免有問題，還請大家多包涵！
用php寫的簡單採集器
通常我們所說的採集器又叫做小偷程式，主要是用來抓取別人網頁內容的。關於採集器的製作，其實並不難，就是遠端開啟要採集的網頁，然後用正規表示式將需要的內容匹配出來，只要稍微有點正規表示式的基礎，都能做出自己的採集器來的。前幾天做了個 的程式，因為怕更新麻煩，順帶就寫了個採集器，採集八路中文網的，功能比較...
Python簡單兩步實現天氣爬蟲採集器
說道爬蟲大家或許感覺非常神秘，其實它沒有我們想象的那麼神奇 當然，google和baidu的爬蟲是一場複雜和強大的，它的強大不是爬蟲本身強大，而是後台的資料處理和資料探勘演算法非常強大 今天我們就來揭開它神秘的面紗。呵呵，用python簡單兩步就可以實現乙個網頁天氣爬蟲程式。爬蟲簡單說來包括兩個部分...
利用python製作簡單計算器
利用python的定義函式，加上if的條件語句進行程式設計 def add x,y 相加 return x y defsubtract x,y 相減 return x y defmultiply x,y 相乘 return x y defdivide x,y 相除 return x y 使用者輸入 ...