程序员还看带广告的小说？

本文将使用php curl采集页面simple_html_dom解析，实现真正的去除广告。

随便找一个小说网站找一本书，不过这个站点在手机端是特别坑的，就有上述问题：

就拿这本小说来开刀。（声明：绝对不是推广，侵删）

一、了解curl的get方式

curl是一个命令行工具，通过指定的URL来上传或下载数据，并将数据展示出来。curl中的c表示client，而URL，就是URL。

PHP中使用cURL可以实现Get和Post请求的方法

简单的抓取小说仅需要get方法即可。

下面这个示例代码就是通过get请求获取第一章小说页面html的示例，只需要更改url参数即可。

初始化、设置选项、证书验证、执行、关闭

注释就特别详细了，按照步骤，发送curl的get请求，如果是post请求则需要多加一条设置post选项的设置，并且传参，最后输出获得的信息，运行结果如下，是没有css渲染的。

include "simple_html_dom.php";
$html = new simple_html_dom();
@$html->load($res);
$h1 = $html->find(&＃39;.bookname h1&＃39;);
foreach ($h1 as $k=>$v) {
	$artic[&＃39;title&＃39;] = $v->innertext;
}
// 查找小说的具体内容
$divs = $html->find(&＃39;#content&＃39;);
foreach ($divs as $k=>$v) {
	$cOntent= $v->innertext;
}
// 正则替换去除多余部分
$pattern = "/(
.*?<\/p>)|(
.*?<\/div>)/";
$artic[&＃39;content&＃39;] = preg_replace($pattern,&＃39;&＃39;,$content);
echo $artic[&＃39;title&＃39;].&＃39;
&＃39;;
echo $artic[&＃39;content&＃39;];

使用以上的解析方法获得的内容是数组，使用foreach来获得数组内容，使用了正则替换将正文文字广告去除，将标题和小说内容放到数组内。最简单的写法就写好了。运行结果如下：

当然这种写法看着比较难受，可以自行封装函数类。如下就是我自己写好的代码示例了，当然肯定有不足的地方，但是可以作为参考扩展。

&＃39;;
echo $artic[&＃39;content&＃39;];
/**
* 获取www.7kzw.com 获取每一章的页面html
* @param type $num 第几章,从第一开始(int)
* @return 返回字符串  
*/
function get_html($num){
	$start = 27248636;
	$real_num = $num+$start-1;
	$url = &＃39;https://www.7kzw.com/85/85445/&＃39;.$real_num.&＃39;.html&＃39;;
	$header = [
	&＃39;User-Agent:Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:70.0) Gecko/20100101 Firefox/70.0&＃39;
	]; 
	return mySpClass()->getCurl($url,$header);
}
/**
* 获取www.7kzw.com小说标题数组
* @param type $get_html 得到的每一章的页面html
* @return 返回$artic数组,[&＃39;title&＃39;=>&＃39;&＃39;,&＃39;content&＃39;=>&＃39;&＃39;]
*/
function getContent($get_html){
	$html = new simple_html_dom();
	@$html->load($get_html);
	$h1 = $html->find(&＃39;.bookname h1&＃39;);
	foreach ($h1 as $k=>$v) {
		$artic[&＃39;title&＃39;] = $v->innertext;
	}
	// 查找小说的具体内容
	$divs = $html->find(&＃39;#content&＃39;);
	foreach ($divs as $k=>$v) {
		$cOntent= $v->innertext;
	}
	// 正则替换去除多余部分
	$pattern = "/(
.*?<\/p>)|(
.*?<\/div>)/";
	$artic[&＃39;content&＃39;] = preg_replace($pattern,&＃39;&＃39;,$content);
	return $artic;
}
?>

以上示例代码的最终运行结果：第几章就输入数字几，通过$_GET[&＃39;n&＃39;]传参

总结：

知识点：curl(tips：curl模块采集任意网页php类)，正则，解析工具simple_html_dom

虽然写法已经初步完善，但是最好能过部署的自己的服务器才能有最好的效果，不然只能在电脑观看，也不见得多方便，可能更愿意忍忍广告了。

以上就是使用php curl采集页面并使用simple_html_dom解析的详细内容，更多请关注 第一PHP社区 其它相关文章！

以上就是程序员还看带广告的小说？的详细内容，更多请关注 第一PHP社区 其它相关文章！