Question

我有一个简单的问题。我正在尝试使用php构建一个网站，收集来自不同博客的文章。我将如何在PHP中编码？我需要某种类型的正则表达式声明吗？我需要做的就是从特定页面中获取文章。一个例子是：http://rss.news.yahoo.com/rss/education 有人可以帮忙吗？谢谢。

Answer 1

RSS源是XML，因此您可以使用类似xml_parse_into_struct的内容来开始解析此Feed。这个页面上的例子应该足以让你前进。

Answer 2

您需要为每个站点编写解析器。像这样......

class Parser_Article_SarajevoX extends Parser_Article implements Parser_Interface_Article {

    protected static $_url = 'http://www.sarajevo-x.com/';

    public static function factory($url)
    {
        return new Parser_Article_SarajevoX($url);
    }

    protected static function decode($string)
    {
        return iconv('ISO-8859-2', Kohana::$charset, $string);
    }

    /**
     * SarajevoX Article Parser constructor
     *
     * @param   string  article's url or uri
     */
    public function __construct($url)
    {
        $parsed = parse_url($url);

        if ($path = arr::get($parsed, 'path'))
        {
            // make url's and uri's path the same
            $path = trim($path, '/');

            $exploded = explode('/', $path);

            if (count($exploded == 4))
            {
                list($this->cat_main, $this->cat, $nita, $this->id) = $exploded;
            }
            elseif (count($exploded) == 3)
            {
                list($this->cat, $nita, $this->id) = $exploded;
            }
            else
            {
                throw new Exception("Path not recognized: :url", array(':url' => $url));
            }

            // @todo check if this article is already imported to skip getting HTML

            $html = HTML_Parser::factory(self::$_url.$path);

            $content = $html->find('#content-main .content-bg', 0);

            // @freememory
            $html = NULL;

            $this->title = self::decode($content->find('h1', 0)->innertext);

            // Loop through all inner divs and find the content
            foreach ($content->find('div') as $div)
            {
                switch ($div->class)
                {
                    case 'nadnaslov':

                        $this->suptitle = strip_tags(self::decode($div->innertext));

                    break;
                    case 'uvod':

                        $this->subtitle = strip_tags(self::decode($div->innertext));

                    break;
                    case 'tekst':

                        $pic_wrap = $div->find('div[id="fotka"]', 0);

                        if ($pic_wrap != FALSE)
                        {
                            $this->_pictures[] = array
                            (
                                'url'   =>  self::$_url.trim($pic_wrap->find('img', 0)->src, '/'),
                                'desc'  =>  self::decode($pic_wrap->find('div[id="opisslike"]', 0)->innertext),
                            );

                            // @freememory
                            $pic_wrap   = NULL;
                        }

                        $this->content  = strip_tags(self::decode($div->innertext));

                    break;
                    case 'ad-gallery' :

                        foreach ($div->find('div[id="gallery"] .ad-nav .ad-thumbs ul li a') as $a)
                        {
                            $this->_pictures[] = array
                            (
                                'url'   =>  self::$_url.trim($a->href, '/'),
                                'desc'  =>  self::decode($a->find('img', 0)->alt),
                            );

                            // @freememory
                            $a = NULL;
                        }

                    break;
                }
            }

            echo Kohana::debug($this);

            return;
        }

        throw new Exception("Path not recognized: :url", array(':url' => $url));
    }

}

Answer 3

每个博客都有一个关联的rss xml文件。博客页面将在其标题中指向此xml文件的“链接”标记，以便浏览器可以允许用户订阅这些RSS订阅源。 rss xml文件将包含每个博客条目的所有必需数据，例如标题，描述，发布日期，URL。您将需要使用PHP simpleXML类将XML内容加载到simpleXML对象中。然后，您可以访问所需的每个RSS源。

如何使用Php构建一个收集文章的网站？

3 个答案: