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">&nbsp; </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>&nbsp;&nbsp;&nbsp;&nbsp;',"n"."　　",$str3[1]);
;;;;$str3[1]=str_replace('&nbsp;',"",$str3[1]);
;;;;$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);
}
;;;;;}
;;}
}
?>;

标签：