phpwind验证码代码讲解
摘要：phpwind验证码代码讲解
phpwind验证码代码讲解
采集器，通常又叫小偷程序，次要是用来抓取他人网页内容的。关于采集器的制造，其实并不难，就是远程打开要采集的网页，然后用正则表达式将需求的内容婚配进去，只需稍微有点正则表达式的根底，都能做出本人的采集器来的。
前几天做了个小说连载的程序，由于怕更新费事，顺带就写了个采集器，采集八路中文网的，性能比较简略，不能自定义规则，不过大概思绪都在里面了，自定义规则可能本人来扩充。
用php来做采集器次要用到两个函数：file_get_contents()和preg_match_all()，前一个是远程读取网页内容的，不过只在PHP5以上的版本能力用，后一个是正则函数，用来提取需求的内容的。
下面就一步一步来讲性能完成。
由于是采集小说，所以首先要将书名、作者、类型这三个提取进去，别的信息可依据需求提取。
这里以《回到明朝当王爷》为指标，先打开书目页，链接：
多打开几本书会发现，书名的根本格式是：书号/Index.aspx，于是咱们可能做一个末尾页，定义一个<input type=text name=number>，用来输入需求采集的书号，当前就可能经过$_POST[‘number’]这种格式来接纳需求采集的书号了。接纳到书号，下面要做的就是结构书目页：$url=http://www.86zw.com/Book/$_POST[‘number’]/Index.aspx，当然这里是举个例子，次要是为了讲解方便，实践制造的时分最好反省一下$_POST[‘number’]的合法性。
结构好URL当前就可能末尾采集书籍信息了。利用file_get_contents() 函数打开书目页：$content=file_get_contents（$url），这样就能将书目页的内容都读取进去了。接上去就是将书名、作者和类型等信息婚配进去了。这里就以书名为例，其余的都一样。 打开书目页，查看源文件，找到“<span class="booktitle">《回到明朝当王爷》</span>”，这就是要提取进去的书名了。提取书名的正则表达式：/<span class=\"newstitle\">(.*?)\<\/span>/is，利用preg_match_all()函数将书名取出：preg_match_all("/<span class=\"newstitle\">(.*?)\<\/span>/is",$contents,$title);这样$title[0][0]的内容就是咱们要的题目了（preg_match_all函数的用法可能去百度查，这里就不具体阐明了）。取出了书籍信息，接上去就是取章节内容了，要取章节内容，首先要做的就是找到每一章的地址，然后远程打开章节，用正则将内容取进去，入库或许间接生成html静态文件。这个是章节列表的地址：，可能看出这个和书目页一样，是有规律可寻的：分类号/书号/List.shtm。书号后面已经取得，这里的要害是找到分类号，分类号可能在后面的书目页找到，提取分类号：
preg_match_all("/Html\/Book\/[0-9]{1,}\/[0-9]{1,}\/List\.shtm/is",$contents,$typeid);这样还不够，还需求一个切取函数：
[复制PHP代码] [ - ]PHP代码如下:
function cut($string,$start,$end){
$message = explode($start,$string);
$message = explode($end,$message[1]); return $message[0];}其中$string为要被切取的内容，$start为末尾的中央，$end为完结的中央。取出分类号：
$start = "Html/Book/";
$end
= "List.shtm";
$typeid = cut($typeid[0][0],$start,$end);
$typeid = explode("/",$typeid);[/PHP]
这样，$typeid[0]就是咱们要找的分类号了。接上去就是结构章节列表的地址了：$chapterurl = $typeid[0]/$_POST[‘number’]/List.shtm。有了这个就能找到每一章节的地址了。方法如下：
$ustart = "\"";
$uend
= "\"";
//t示意title的缩写
$tstart = ">";
$tend
= "<";
//取门路,例如:123.shtm,2342.shtm,233.shtm
preg_match_all("/\"[0-9]{1,}\.(shtm)\"/is",$chapterurl,$url);
//取题目,例如:第一章 九世恶人
preg_match_all("/<a href=\"[0-9]{1,}\.shtm\"(.*?)\<\/a>/is",$file,$title);
$count = count($url[0]);
for($i=0;$i<=$count;$i++)
{
$u = cut($url[0][$i],$ustart,$uend);
$t = cut($title[0][$i],$tstart,$tend);
$array[$u] = $t;
}
$array数组就是一切的章节地址了，到这里，采集器就实现一半了，剩下的就是循环打开每个章节地址，读取，然后将内容婚配进去。这个比较简略，这里就不具体叙说了。好了，今天就先写到这吧，第一次写这么长的文章，言语组织方面难免有成绩，还请大家多包涵！
前几天做了个小说连载的程序，由于怕更新费事，顺带就写了个采集器，采集八路中文网的，性能比较简略，不能自定义规则，不过大概思绪都在里面了，自定义规则可能本人来扩充。
用php来做采集器次要用到两个函数：file_get_contents()和preg_match_all()，前一个是远程读取网页内容的，不过只在PHP5以上的版本能力用，后一个是正则函数，用来提取需求的内容的。
下面就一步一步来讲性能完成。
由于是采集小说，所以首先要将书名、作者、类型这三个提取进去，别的信息可依据需求提取。
这里以《回到明朝当王爷》为指标，先打开书目页，链接：
多打开几本书会发现，书名的根本格式是：书号/Index.aspx，于是咱们可能做一个末尾页，定义一个<input type=text name=number>，用来输入需求采集的书号，当前就可能经过$_POST[‘number’]这种格式来接纳需求采集的书号了。接纳到书号，下面要做的就是结构书目页：$url=http://www.86zw.com/Book/$_POST[‘number’]/Index.aspx，当然这里是举个例子，次要是为了讲解方便，实践制造的时分最好反省一下$_POST[‘number’]的合法性。
结构好URL当前就可能末尾采集书籍信息了。利用file_get_contents() 函数打开书目页：$content=file_get_contents（$url），这样就能将书目页的内容都读取进去了。接上去就是将书名、作者和类型等信息婚配进去了。这里就以书名为例，其余的都一样。 打开书目页，查看源文件，找到“<span class="booktitle">《回到明朝当王爷》</span>”，这就是要提取进去的书名了。提取书名的正则表达式：/<span class=\"newstitle\">(.*?)\<\/span>/is，利用preg_match_all()函数将书名取出：preg_match_all("/<span class=\"newstitle\">(.*?)\<\/span>/is",$contents,$title);这样$title[0][0]的内容就是咱们要的题目了（preg_match_all函数的用法可能去百度查，这里就不具体阐明了）。取出了书籍信息，接上去就是取章节内容了，要取章节内容，首先要做的就是找到每一章的地址，然后远程打开章节，用正则将内容取进去，入库或许间接生成html静态文件。这个是章节列表的地址：，可能看出这个和书目页一样，是有规律可寻的：分类号/书号/List.shtm。书号后面已经取得，这里的要害是找到分类号，分类号可能在后面的书目页找到，提取分类号：
preg_match_all("/Html\/Book\/[0-9]{1,}\/[0-9]{1,}\/List\.shtm/is",$contents,$typeid);这样还不够，还需求一个切取函数：
[复制PHP代码] [ - ]PHP代码如下:
function cut($string,$start,$end){
$message = explode($start,$string);
$message = explode($end,$message[1]); return $message[0];}其中$string为要被切取的内容，$start为末尾的中央，$end为完结的中央。取出分类号：
$start = "Html/Book/";
$end
= "List.shtm";
$typeid = cut($typeid[0][0],$start,$end);
$typeid = explode("/",$typeid);[/PHP]
这样，$typeid[0]就是咱们要找的分类号了。接上去就是结构章节列表的地址了：$chapterurl = $typeid[0]/$_POST[‘number’]/List.shtm。有了这个就能找到每一章节的地址了。方法如下：
$ustart = "\"";
$uend
= "\"";
//t示意title的缩写
$tstart = ">";
$tend
= "<";
//取门路,例如:123.shtm,2342.shtm,233.shtm
preg_match_all("/\"[0-9]{1,}\.(shtm)\"/is",$chapterurl,$url);
//取题目,例如:第一章 九世恶人
preg_match_all("/<a href=\"[0-9]{1,}\.shtm\"(.*?)\<\/a>/is",$file,$title);
$count = count($url[0]);
for($i=0;$i<=$count;$i++)
{
$u = cut($url[0][$i],$ustart,$uend);
$t = cut($title[0][$i],$tstart,$tend);
$array[$u] = $t;
}
$array数组就是一切的章节地址了，到这里，采集器就实现一半了，剩下的就是循环打开每个章节地址，读取，然后将内容婚配进去。这个比较简略，这里就不具体叙说了。好了，今天就先写到这吧，第一次写这么长的文章，言语组织方面难免有成绩，还请大家多包涵！
