PHP实现小偷程序实例

1. <?php 
2. /** 
3. * 抓取“华强电子网”资讯程序 
4. * author lee. 
5. * last modify $date: 2012-1-3 15:39:35 $ 
6. */ 
7. header('content-type:text/html;charset=utf-8'); 
8. $mysqli = new mysqli('localhost', 'root', '1715544', 'article'); # 数据库连接，请手动修改您自己的数据库信息 
9. $mysqli->set_charset('utf8'); # 设置数据库编码 
10. function data($url) { 
11.   global $mysqli; 
12.   $result = file_get_contents($url); # $result 获取 url 链接内容（注意：这里是文章列表链接） 
13.   $pattern = '/<li><span class="box_r">.+</span><a href="([^"]+)" title=".+" >.+</a></li>/usi'; # 取得文章 url 的匹配正则 
14.   preg_match_all($pattern, $result, $arr); # 把文章列表 url 分配给数组$arr(二维数组) 
15.   foreach ($arr[1] as $val) { 
16.     $val = 'http://www.hqew.com' . $val; # 真实文章 url 地址 
17.     $re = file_get_contents($val); # $re 为文章 url 的内容 
18.     $pa = '/<div id="article">s+<h1>(.+)</h1>s+<p id="article_extinfo">s+发布:s+(.+)s+|s+作者:s+(.+)s+|s+来源:s+(.*?)s+<span style="display:none" >.+<div id="article_body">s*(.+)s+</div>s+</div><!--article end-->/usi'; # 取得文章内容的正则 
19.     preg_match_all($pa, $re, $array); # 把取到的内容分配到数组 $array 
20.     $content = trim($array[5][0]);  
21.     $con = array( 
22.         'title'=>mysqlstring($array[1][0]), 
23.         'date'=>mysqlstring($array[2][0]),  
24.         'author'=>mysqlstring(stripauthortag($array[3][0])), 
25.         'source'=>mysqlstring($array[4][0]),  
26.         'content'=>mysqlstring(stripcontenttag($content)) 
27.       ); 
28.     $sql = "insert into article(title,date,author,source,content) values ('{$con['title']}','{$con['date']}','{$con['author']}','{$con['source']}','{$con['content']}')"; 
29.     $row = $mysqli->query($sql); # 添加到数据库 
30.     if ($row) { 
31.       echo 'add success!'; 
32.     } else { 
33.       echo 'add failed!'; 
34.     } 
35.   } 
36. } 
37. /** 
38.  * stripofficetag($v) 对文章内容进行过滤，比如：去掉文章中的链接，过滤掉没用的 html 标签…… 
39.  * @param string $v 
40.  * @return string 
41.  */ 
42. function stripcontenttag($v){ 
43.   $v = str_replace('<p> </p>', '', $v); 
44.   $v = str_replace('<p />', '', $v); 
45.   $v = preg_replace('/<a href=".+" target="_blank"><strong>(.+)</strong></a>/usi', '
    ', $v); 
46.   $v = preg_replace('%(<spans*[^>]*>(.*)</span>)%usi', '', $v); 
47.   $v = preg_replace('%(s+class="mso[^"]+")%si', '', $v); 
48.   $v = preg_replace('%( style="[^"]*mso[^>]*)%si', '', $v); 
49.   $v = preg_replace('/<b></b>/', '', $v); 
50.   return $v; 
51. } 
52.   
53. /** 
54.  * striptitletag($title) 对文章标题进行过滤 
55.  * @param string $v 
56.  * @return string 
57.  */ 
58. function stripauthortag($v) { 
59.   $v = preg_replace('/<a href=".+" target="_blank">(.+)</a>/usi', '
    ', $v); 
60.   return $v; 
61. } 
62.   
63. /** 
64.  * mysqlstring($str) 过滤数据 
65.  * @param string $str 
66.  * @return string 
67.  */ 
68. function mysqlstring($str) { 
69.   return addslashes(trim($str)); 
70. } 
71.   
72. /** 
73.  * init($min, $max) 入口程序方法，从 $min 页开始取，到 $max 页结束 
74.  * @param int $min 从 1 开始 
75.  * @param int $max 
76.  * @return string 返回 url 地址 
77.  */ 
78. function init($min=1, $max) { 
79.   for ($i=$min; $i<=$max; $i++) { 
80.     data("http://www.hqew.com/info-c10-{$i}.html"); 
81.   } 
82. } 
83. init(1, 500); // 程序入口，从第一页开始抓，抓取500页 
84. ?>