写了个垃圾采集，与各位分享下

伤心♂oO○

是一个漫画站的采集，很垃圾，也没优化速度，只是给大家做为参考，哈哈~~
漫画站地址：http://www.dmzzz.com
只要在程序里修改下要采集的漫画地址就可以了！
平台要求：PHP5

1. <?php
   
2. $url = "http://www.dmzzz.com/ComicInfo/BaDao/Dmzzz_Url.htm";
   
3. $r = file_get_contents($url);
   
4. 
   
5. preg_match_all("/href='\/ComicInfo\/BaDao\/([\d]+)\.htm'>(.+)<\/a><\/div>/isU", $r, $c);
   
6. $count = count($c[1]);
   
7. for($i=0;$i<=$count;$i++) {
   
8.         $url1 = "http://www.dmzzz.com/ComicInfo/BaDao/" . $c[1][$i] . ".htm";
   
9.         $r1 = file_get_contents($url1);
   
10.         preg_match_all("/Dmzzz_img_path\[([\d]+)\] = '\/comicdate2\/comicabcd\/a-d\/bd\/([\d]+)\/(.+)';/isU", $r1, $c1);
    
11.         $count1 = count($c1[3]);
    
12.         $path = "./霸刀/" . $c[2][$i] . "/";
    
13.         if(!file_exists($path)) {
    
14.                 if(mkdir($path)) {
    
15.                         ob_flush();
    
16.                         flush();
    
17.                         sleep(1);
    
18.                         echo $path . " <font color="blue">建立成功</font><br>";
    
19.                 } else {
    
20.                         ob_flush();
    
21.                         flush();
    
22.                         sleep(1);
    
23.                         echo $path . " <font color="red">建立失败</font><br>";
    
24.                 }
    
25.         }
    
26.         for($j=0;$j<=$count1;$j++) {
    
27.                 $url2 = "http://60.191.239.185/comicdate2/comicabcd/a-d/bd/" . $c1[2][$j] . "/" . $c1[3][$j];
    
28.                 $r2 = file_get_contents($url2);
    
29.                 $file = $path . $c1[3][$j];
    
30.                 if(file_exists($file)) break;
    
31.                 if(file_put_contents($file, $r2)) {
    
32.                         ob_flush();
    
33.                         flush();
    
34.                         sleep(1);
    
35.                         echo $file . " <font color="green">采集成功</font><br>";
    
36.                 } else {
    
37.                         ob_flush();
    
38.                         flush();
    
39.                         sleep(1);
    
40.                         echo $file . " <font color="red">采集失败</font><br>";
    
41.                 }
    
42.         }
    
43. }
    
44. ?>

复制代码

我记得金光是有干扰码的，所以，附上一份附件啦

伤心♂oO○

采集过程图片：



不足之出：没有提交表单，不方便自己修改，没有做太多判断，所以会出现把目录做为图片采集的情况而出现错误



还有就是没有做目录判断，所以如果已经有了目录，那么就会出现错误

ycrake

呵呵~~~
我都人肉更新的

ycrake

LZ还是挺强的！

伤心♂oO○

呵呵，其实我也不是为了更新我的站，我现在采集东西很多都是采集到我的本本里，在本地看啦
以前也是人肉弄，但是现在学了PHP了，再人肉可真能说是白学了

伤心♂oO○

原帖由 ycrake 于 2007-6-26 12:44 发表

                               
登录/注册后可看大图

LZ还是挺强的！

嘿嘿，谢谢~~

伤心♂oO○

又发现一个问题，就是PHP的超时问题。。。郁闷，因为为了能够时时观察采集情况，所以用了逐行输出
但是却会引起超时问题。。。。郁闷

waitme

  继续 努力啊

伤心♂oO○

。。。。偶一直在努力，8过现在考试了，木时间呀

print

本地的话
set_time_limit(0);