在上篇文章中，我们已经采集新闻信息页的列表数据，接下来要做的操作就是从数据库中读取所需要采集的URL，进行页面抓取就行
新建一个cont@本文来*源gaodai#ma#com搞*!代#%^码$网*ent表
不过需要注意的一点是，不能再采用采集URL这种id递增的方法去采集，因为数据表中可能出现id断续，比如id=9，id=11，当采集到id=10的时候，URL是空白的，这样可能会导致采集到了空字段。
这里用到的一个技巧是数据库的查询语句，在我们采集完第一条数据的时候，判断数据库里是否还有大于此id的id编号，若有，读取一条，查询信息重复上面的工作。
具体代码如下：
<?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);//取得对应的url地址 $content=file_get_contents($row['url']); $pattern="/<dd class="dataWrap">(.*)<\/dd>/iUs"; preg_match($pattern, $content,$info);//获取内容存放info echo $title=$row[1]."<br />"; echo $content=$info[0]."<hr />"; //插入数据库 $add="insert into content(title,content) value('$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);//取得对应的url地址 if($row2['id']){ echo "<script>window.location='content.php?id=$row2[0]'</script>"; }?>
这样子我们所要的新闻内容就采集入库了，接下来只需要对数据的一些样式进行整理就行了。
搞代码网（gaodaima.com）提供的所有资源部分来自互联网，如果有侵犯您的版权或其他权益，请说明详细缘由并提供版权或权益证明然后发送到邮箱[email protected]，我们会在看到邮件的第一时间内为您处理，或直接联系QQ：872152909。本网站采用BY-NC-SA协议进行授权
转载请注明原文链接：基于PHP的简单采集数据入库程序【续篇】_php实例
转载请注明原文链接：基于PHP的简单采集数据入库程序【续篇】_php实例
