本文为一个提取一批新闻网页中的文本的小程序，它可以将各篇新闻的内容存为以该新闻标题为文件名的文本文件。如有更好的处理方法，请和我联系： lwx3069@sina.com 这里以人民网中的“今日要闻”下的新闻为例. <?php ($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)); $str_ary = explode("<ul>",$str); $str_ary = explode("<li>",trim($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]","<a href="/"); $str2=strstr("$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)); $str1=explode("<div align="right">",$str); //去掉文件没用的上半部分 $str2 = explode("<h4 align="center"> </h4>",$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 $str3=explode("</font><font size="+2"><b><font size="3">",$str2[0]); //从整个有用部分取出文件标题和正文 $str4=explode("</div>",$str2[0]); //取出日期和时间 $str5=explode("</font></b></font><font size="2">",$str3[1]); //从标题和正文部分取出标题 $title=str_replace("<br>","",$str5[0]); $str3=explode("<p><font size="2">",$str2[0]); //从整个有用部分取出文件正文 $str3[1]=str_replace("<br><br> ",""." ",$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); } } } } ?>
