PHP 正则表达式分析RSS_正则表达式

复制代码 代码如下:

$xmlfile = 'news/'.date('YmdH').'.xml'; $sourcexml = 'http://www.chinanews.com.cn/rss/scroll-news.xml'; if( !file_exists($xmlfile) ) { $str = @file($sourcexml) or die('加载文件时出错。'); $fp = fopen($xmlfile,'w') or die('写缓存失败!'); fputs($fp,$str); fclose($fp);

然后用simplexml读取并输出HTML

复制代码 代码如下:

$xml = simplexml_load_file($xmlfile); $c = $xml->channel; $k = 0; foreach($c->item as $v) { $k ++; echo " <div class=\"newsline\">·<a title=\"$v->title\" href=\"$v->link\" target=\"_blank\">$v->title</a></div> ";

后来遇到了一个问题，就是RSS中经常包含有一些GBK的繁体字。google了很多字符集转换方面的文章。得出一个解法：

复制代码 代码如下:

$str = mb_convert_encoding( join('',$str), "gb2312", "GBK");

这个方法并不能繁体转为简体，会转成一个乱码，但至少能保证simplexml_load_file($xmlfile)执行成功。因为这些繁体字通常出现在描述里 ，暂且接受。 再后来遇到另一个问题，描述里出现了形如“中新网12月30日电(闻育e?”的乱码，simplexml_load_file失败。 至此考虑用正则表达式获取标题和链接。（有文章说正则表达式效率可能更好，以后再验证） 代码如下：

复制代码 代码如下:

$fp = fopen($xmlfile,'r'); if($fp) { $data = fread($fp,filesize($xmlfile)); fclose($fp); preg_match_all( "/<item><title>(.*?)<\/title><link>(.*?)<\/link>/i",$data,$out,PREG_SET_ORDER); foreach($out as $key => $v) { $v[1] = iconv('gbk','utf-8',$v[1]); echo " <div class=\"newsline\">·<a title=\"$v[1]\" href=\"$v[2]\" target=\"_blank\">$v[1]</a></div> "; } }

查看更多关于PHP 正则表达式分析RSS_正则表达式的详细内容...