稚子的成长博客 | 记录网站开发解决方案｜IT业界动态｜生活随想…

兼容低版本PHP(5.5版本以下)的array_column()函数 05月20日

PHP 5.5新增array_column()数组函数,如果需要在低版本的PHP环境中使用，是不行的。本文介绍 […]

分类：BS架构后台语言
标签： array_column, 兼容
评论：0条
浏览：1119
阅读全文

使用css3制作渐变分割线 05月09日

原理是使用css3的渐变背景，再将高设为分割线的高度 [crayon-5da73227acb304266162 […]

分类：BS架构后台语言
标签： css3, 分割线
评论：0条
浏览：1103
阅读全文

如何批量导出某目录下的所有文件名及目录 05月04日

今天有个需求就是获取到某个目录下所有文件名及目录的需求，百度搜索了一下能通过一句cmd命名得到。 [crayo […]

分类：操作系统相关
标签：导出, 目录名
评论：0条
浏览：1059
阅读全文

ZeroClipboard2.0 复制功能 04月28日

使用： 1、引入js文件，记得先引入jquery

<script type="text/javascript" src="ZeroClipboard.js"></script>

1	<script type="text/javascript" src="ZeroClipboard.js"></script>

分类：Web前台开发技术
标签： copy, ZeroClipboard, 复制
评论：0条
浏览：902
阅读全文

css禁止html标签被选中的方法 04月28日

以下CSS样式实现了各浏览器的标签禁止选中功能。

moz-user-select: -moz-none;
-moz-user-select: none;
-o-user-select:none;
-khtml-user-select:none;
-webkit-user-select:none;
-ms-user-select:none;
user-select:none;

1

2

3

4

5

6

7

moz-user-select: -moz-none;

-moz-user-select: none;

-o-user-select:none;

-khtml-user-select:none;

-webkit-user-select:none;

-ms-user-select:none;

user-select:none;

分类：Web前台开发技术
标签： css, 禁止选中
评论：0条
浏览：926
阅读全文

php生成短网址的代码 04月18日

php生成短网址的原理： 1.将原网址做crc32校验，得到校验码。 2.使用sprintf(‘% […]

分类：BS架构后台语言
标签： dwz, php, 短网址
评论：1 条
浏览：1458
阅读全文

php通过正则判断字符串是否是域名 04月15日

正则表达式如下：

/^([a-z0-9]+([a-z0-9-]*(?:[a-z0-9]+))?\.)?[a-z0-9]+([a-z0-9-]*(?:[a-z0-9]+))?(\.us|\.tv|\.org\.cn|\.org|\.net\.cn|\.net|\.mobi|\.me|\.la|\.info|\.hk|\.gov\.cn|\.edu|\.com\.cn|\.com|\.co\.jp|\.co|\.cn|\.cc|\.biz)$/i

1	/^([a-z0-9]+([a-z0-9-](?:[a-z0-9]+))?\.)?[a-z0-9]+([a-z0-9-](?:[a-z0-9]+))?(\.us\|\.tv\|\.org\.cn\|\.org\|\.net\.cn\|\.net\|\.mobi\|\.me\|\.la\|\.info\|\.hk\|\.gov\.cn\|\.edu\|\.com\.cn\|\.com\|\.co\.jp\|\.co\|\.cn\|\.cc\|\.biz)$/i

函数如下： [crayon […]

分类：BS架构后台语言
标签： php, 判断是否域名, 正则
评论：0条
浏览：1866
阅读全文

PHP通过正则表达式获取网页charset编码 04月15日

// 获取charset值
$charset = preg_match("/<meta.+?charset=[^\w]?([-\w]+)/i",$filecnt,$temp) ? strtolower($temp[1]):"";  
// 获取title数据
$title = preg_match("/<title>(.*)<\/title>/isU",$filecnt,$temp) ? $temp[1]:"";

1

2

3

4

// 获取charset值

$charset = preg_match("/<meta.+?charset=[^\w]?([-\w]+)/i",$filecnt,$temp) ? strtolower($temp[1]):"";

// 获取title数据

$title = preg_match("/<title>(.*)<\/title>/isU",$filecnt,$temp) ? $temp[1]:"";

分类：BS架构后台语言
标签： charset, 正则
评论：0条
浏览：1639
阅读全文

用curl抓取网站数据，仿造IP、防屏蔽终极强悍解决方式 04月15日

最近在做一些抓取其它网站数据的工作，当然别人不会乖乖免费给你抓数据的，有各种防抓取的方法。不过道高一尺，魔高一 […]

分类：BS架构后台语言
标签： curl, php, 防屏蔽
评论：0条
浏览：1343
阅读全文

用php实现简单的内容采集器 04月14日

<?php
// 页面错误配置
ini_set('display_errors', true);
error_reporting(E_ERROR);
set_time_limit(0);
// 开始处启用session
session_start();

// 定义文章目录url
$page = 'http://www.abcsee.net/book/72/72932/';
// 定义保存的文件名，转换为gbk后使在windows系统下显示中文文件名
$output = iconv("UTF-8", "GBK", './我的姥姥是半仙（全文版）.txt');
// 获取当前页数
$p = (int)$_GET['p'];

// 获取目录数据
$list = get_lists($page, true);

// 第一页时创建标题
if($p == 0){
    file_put_contents($output, '我的姥姥是半仙（全文版）' . PHP_EOL . PHP_EOL);
}

// 获取当前页的url和title
$url    = $list[$p]['url'];
$title  = $list[$p]['title'];

// 将指定页面的数据写入txt文件
if(false !== execute_content($page . $url, $title, $output)){
    echo "第{$p}页<br><br>{$title}<br><br>数据采集完成！";
    $p++;
    $time = 1;
    header("refresh:{$time};url=tools.php?p={$p}");
    exit;
}
echo 'file append error!';

/**
 * 生成文件内容
 * @param $url
 * @param null $title
 * @param $output
 * @return bool
 */
function execute_content($url, $title = null, $output)
{
    // 调用http_get_content获取某页数据
    $content = http_get_content($url, true);
    // 正则匹配有用的数据
    $txt = preg_match('/<dd id=\"contents\">(.*)<\/dd>/isU', $content, $temp) ? $temp[1] : "";
    // 删除无用空格
    $text = preg_replace("/(\r\n|\n|\r|\t)/i", '', str_replace('0 40px">', '', trim(html2text($txt))));

    // 格式化需要输出的数据
    $text = PHP_EOL . $title . PHP_EOL . $text . PHP_EOL;

    // 写入文件后返回状态
    return file_put_contents($output, $text, FILE_APPEND);
}

/**
 * html转txt
 * @param $str
 * @return mixed|string
 */
function html2text($str)
{
    $str = preg_replace("/<style .*?<\/style>/is", "", $str);
    $str = preg_replace("/<script .*?<\/script>/is", "", $str);
    $str = preg_replace("/<br \s*\/?\/>/i", "\n", $str);
    $str = preg_replace("/<\/?p>/i", "\n\n", $str);
    $str = preg_replace("/<\/?td>/i", "\n", $str);
    $str = preg_replace("/<\/?div>/i", "\n", $str);
    $str = preg_replace("/<\/?blockquote>/i", "\n", $str);
    $str = preg_replace("/<\/?li>/i", "\n", $str);
    $str = preg_replace("/\&nbsp\;/i", " ", $str);
    $str = preg_replace("/\&nbsp/i", " ", $str);
    $str = preg_replace("/\&amp\;/i", "&", $str);
    $str = preg_replace("/\&amp/i", "&", $str);
    $str = preg_replace("/\&lt\;/i", "<", $str);
    $str = preg_replace("/\&lt/i", "<", $str);
    $str = preg_replace("/\&ldquo\;/i", '"', $str);
    $str = preg_replace("/\&ldquo/i", '"', $str);
    $str = preg_replace("/\&lsquo\;/i", "'", $str);
    $str = preg_replace("/\&lsquo/i", "'", $str);
    $str = preg_replace("/\&rsquo\;/i", "'", $str);
    $str = preg_replace("/\&rsquo/i", "'", $str);
    $str = preg_replace("/\&gt\;/i", ">", $str);
    $str = preg_replace("/\&gt/i", ">", $str);
    $str = preg_replace("/\&rdquo\;/i", '"', $str);
    $str = preg_replace("/\&rdquo/i", '"', $str);
    $str = strip_tags($str);
    $str = html_entity_decode($str, ENT_QUOTES);
    $str = preg_replace("/\&\#.*?\;/i", "", $str);

    return $str;
}

/**
 * 获取列表数据
 * @param $page
 * @param bool $cache
 * @return array|string
 */
function get_lists($page, $cache = false)
{
    // 定义记录在session中的key
    $key = sha1($page);
    $list = array();

    // 获取内容数据
    $html = http_get_content($page, true);

    // 正则匹配出列表数据
    $table = preg_match("/<table(.*)<\/table>/isU", $html, $temp) ? $temp[1] : "";
    if(empty($table)){
        return $table;
    }

    // 正则匹配出链接信息
    $links = preg_match_all ('/<a href=\"(.*?)\".*?>(.*?)<\/a>/i', $table, $matches);
    if ($links && isset($matches[1])){
        // 格式化链接信息
        foreach ($matches[1] as $key => $val){
            $list[$key] = array(
                'url'   => $val,
                'title' => $matches[2][$key]
            );
        }
        // 数据记录到session中
        if(!empty($list) && $cache){
            $_SESSION[$key] = $list;
        }
    }

    return $list;
}

/**
 * 获取网页内容
 * @param $url
 * @param $cache
 * @return mixed|string
 */
function http_get_content($url, $cache = false)
{
    // 定义当前页面请求的cache key
    $key = md5($url);
    // 如果使用cache时只读一次
    if($cache){
        $file_contents = $_SESSION[$key];
        if(!empty($file_contents)) return $file_contents;
    }

    // 通过curl模拟请求页面
    $ch = curl_init();
    // 设置超时时间
    $timeout = 30;
    curl_setopt($ch, CURLOPT_URL, $url);
    // 以下内容模拟来源及代理还有agent,避免被dns加速工具拦截
    curl_setopt($ch, CURLOPT_HTTPHEADER, array('X-FORWARDED-FOR:111.222.333.4', 'CLIENT-IP:111.222.333.4'));
    curl_setopt($ch, CURLOPT_REFERER, "http://www.baidu.com");
    //curl_setopt($ch, CURLOPT_PROXY, "http://111.222.333.4:110");
    curl_setopt($ch, CURLOPT_USERAGENT, "Mozilla/5.0 (Windows NT 6.1) AppleWebKit/536.11 (KHTML, like Gecko) Chrome/20.0.1132.57 Safari/536.11");
    curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
    curl_setopt($ch, CURLOPT_CONNECTTIMEOUT, $timeout);
    $file_contents = curl_exec($ch);
    curl_close($ch);

    // 匹配出当前页的charset
    $charset = preg_match("/<meta.+?charset=[^\w]?([-\w]+)/i", $file_contents, $temp) ? strtolower($temp[1]) : "";
    //$title = preg_match("/<title>(.*)<\/title>/isU", $file_contents, $temp) ? $temp[1] : "";

    // 非utf8编码时转码
    if($charset != 'utf-8'){
        $file_contents = iconv(strtoupper($charset), "UTF-8", $file_contents);
    }
    // 将结果记录到session中，方便下次直接读取
    $_SESSION[$key] = $file_contents;

    return $file_contents;
}

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

35

36

37

38

39

40

41

42

43

44

45

46

47

48

49

50

51

52

53

54

55

56

57

58

59

60

61

62

63

64

65

66

67

68

69

70

71

72

73

74

75

76

77

78

79

80

81

82

83

84

85

86

87

88

89

90

91

92

93

94

95

96

97

98

99

100

101

102

103

104

105

106

107

108

109

110

111

112

113

114

115

116

117

118

119

120

121

122

123

124

125

126

127

128

129

130

131

132

133

134

135

136

137

138

139

140

141

142

143

144

145

146

147

148

149

150

151

152

153

154

155

156

157

158

159

160

161

162

163

164

165

166

167

168

169

170

171

172

173

174

175

176

177

178

179

180

181

182

<?php

// 页面错误配置

ini_set('display_errors', true);

error_reporting(E_ERROR);

set_time_limit(0);

// 开始处启用session

session_start();

// 定义文章目录url

$page = 'http://www.abcsee.net/book/72/72932/';

// 定义保存的文件名，转换为gbk后使在windows系统下显示中文文件名

$output = iconv("UTF-8", "GBK", './我的姥姥是半仙（全文版）.txt');

// 获取当前页数

$p = (int)$_GET['p'];

// 获取目录数据

$list = get_lists($page, true);

// 第一页时创建标题

if($p == 0){

file_put_contents($output, '我的姥姥是半仙（全文版）' . PHP_EOL . PHP_EOL);

}

// 获取当前页的url和title

$url = $list[$p]['url'];

$title = $list[$p]['title'];

// 将指定页面的数据写入txt文件

if(false !== execute_content($page . $url, $title, $output)){

echo "第{$p}页<br><br>{$title}<br><br>数据采集完成！";

$p++;

$time = 1;

header("refresh:{$time};url=tools.php?p={$p}");

exit;

}

echo 'file append error!';

/**

* 生成文件内容

* @param $url

* @param null $title

* @param $output

* @return bool

*/

function execute_content($url, $title = null, $output)

{

// 调用http_get_content获取某页数据

$content = http_get_content($url, true);

// 正则匹配有用的数据

$txt = preg_match('/<dd id=\"contents\">(.*)<\/dd>/isU', $content, $temp) ? $temp[1] : "";

// 删除无用空格

$text = preg_replace("/(\r\n|\n|\r|\t)/i", '', str_replace('0 40px">', '', trim(html2text($txt))));

// 格式化需要输出的数据

$text = PHP_EOL . $title . PHP_EOL . $text . PHP_EOL;

// 写入文件后返回状态

return file_put_contents($output, $text, FILE_APPEND);

}

/**

* html转txt

* @param $str

* @return mixed|string

*/

function html2text($str)

{

$str = preg_replace("/<style .*?<\/style>/is", "", $str);

$str = preg_replace("/<script .*?<\/script>/is", "", $str);

$str = preg_replace("/<br \s*\/?\/>/i", "\n", $str);

$str = preg_replace("/<\/?p>/i", "\n\n", $str);

$str = preg_replace("/<\/?td>/i", "\n", $str);

$str = preg_replace("/<\/?div>/i", "\n", $str);

$str = preg_replace("/<\/?blockquote>/i", "\n", $str);

$str = preg_replace("/<\/?li>/i", "\n", $str);

$str = preg_replace("/\&nbsp\;/i", " ", $str);

$str = preg_replace("/\&nbsp/i", " ", $str);

$str = preg_replace("/\&amp\;/i", "&", $str);

$str = preg_replace("/\&amp/i", "&", $str);

$str = preg_replace("/\&lt\;/i", "<", $str);

$str = preg_replace("/\&lt/i", "<", $str);

$str = preg_replace("/\&ldquo\;/i", '"', $str);

$str = preg_replace("/\&ldquo/i", '"', $str);

$str = preg_replace("/\&lsquo\;/i", "'", $str);

$str = preg_replace("/\&lsquo/i", "'", $str);

$str = preg_replace("/\&rsquo\;/i", "'", $str);

$str = preg_replace("/\&rsquo/i", "'", $str);

$str = preg_replace("/\&gt\;/i", ">", $str);

$str = preg_replace("/\&gt/i", ">", $str);

$str = preg_replace("/\&rdquo\;/i", '"', $str);

$str = preg_replace("/\&rdquo/i", '"', $str);

$str = strip_tags($str);

$str = html_entity_decode($str, ENT_QUOTES);

$str = preg_replace("/\&\#.*?\;/i", "", $str);

return $str;

}

/**

* 获取列表数据

* @param $page

* @param bool $cache

* @return array|string

*/

function get_lists($page, $cache = false)

{

// 定义记录在session中的key

$key = sha1($page);

$list = array();

// 获取内容数据

$html = http_get_content($page, true);

// 正则匹配出列表数据

$table = preg_match("/<table(.*)<\/table>/isU", $html, $temp) ? $temp[1] : "";

if(empty($table)){

return $table;

}

// 正则匹配出链接信息

$links = preg_match_all ('/<a href=\"(.*?)\".*?>(.*?)<\/a>/i', $table, $matches);

if ($links && isset($matches[1])){

// 格式化链接信息

foreach ($matches[1] as $key => $val){

$list[$key] = array(

'url' => $val,

'title' => $matches[2][$key]

);

}

// 数据记录到session中

if(!empty($list) && $cache){

$_SESSION[$key] = $list;

}

return $list;

}

/**

* 获取网页内容

* @param $url

* @param $cache

* @return mixed|string

*/

function http_get_content($url, $cache = false)

{

// 定义当前页面请求的cache key

$key = md5($url);

// 如果使用cache时只读一次

if($cache){

$file_contents = $_SESSION[$key];

if(!empty($file_contents)) return $file_contents;

}

// 通过curl模拟请求页面

$ch = curl_init();

// 设置超时时间

$timeout = 30;

curl_setopt($ch, CURLOPT_URL, $url);

// 以下内容模拟来源及代理还有agent,避免被dns加速工具拦截

curl_setopt($ch, CURLOPT_HTTPHEADER, array('X-FORWARDED-FOR:111.222.333.4', 'CLIENT-IP:111.222.333.4'));

curl_setopt($ch, CURLOPT_REFERER, "http://www.baidu.com");

//curl_setopt($ch, CURLOPT_PROXY, "http://111.222.333.4:110");

curl_setopt($ch, CURLOPT_USERAGENT, "Mozilla/5.0 (Windows NT 6.1) AppleWebKit/536.11 (KHTML, like Gecko) Chrome/20.0.1132.57 Safari/536.11");

curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);

curl_setopt($ch, CURLOPT_CONNECTTIMEOUT, $timeout);

$file_contents = curl_exec($ch);

curl_close($ch);

// 匹配出当前页的charset

$charset = preg_match("/<meta.+?charset=[^\w]?([-\w]+)/i", $file_contents, $temp) ? strtolower($temp[1]) : "";

//$title = preg_match("/<title>(.*)<\/title>/isU", $file_contents, $temp) ? $temp[1] : "";

// 非utf8编码时转码

if($charset != 'utf-8'){

$file_contents = iconv(strtoupper($charset), "UTF-8", $file_contents);

}

// 将结果记录到session中，方便下次直接读取

$_SESSION[$key] = $file_contents;

return $file_contents;

}

分类：BS架构后台语言
标签： php, 采集器
评论：0条
浏览：1221
阅读全文