Copiar conteúdo buscando por URLs amigáveis

iniciopublic · 17/04/2015

Hola a todos , estoy tratando de hacer un pequeño programa para copiar contenido de otras web

pero tengo una duda con respecto a copiar en varias paginas con un for

Como podría copiar o rastrear cierta cantidad paginas si tienen url amigables y no numérico por ejemplo :

HTML:

http://www.pagina.net/?p=34

HTML:

http://www.pagina.net/pelicula-adultos2

este es el código que tengo

PHP:

<?php

for($pagina=50;$pagina<60;$pagina++){

$data = file_get_contents("http://www.pagina.net/?p=".$pagina);

 if ( preg_match('|<h2 class="titulo">(.*?)</h2>|is' , $data , $cap ) )
{
    
    echo '<br><b>'.$cap[1] .'</b>';
}

}
?>

Le agradezco sus pronta respuesta

Saludos

softwareweb · 17/04/2015

creo que puedes savar de la URL principal del blog segu enlaces y paginas

iniciopublic · 17/04/2015

softwareweb disse:
creo que puedes savar de la URL principal del blog segu enlaces y paginas

¿? No te entiendo

softwareweb · 17/04/2015

mira las url no amigables paresen las de un blog, puedes hacer un bot a la pagina principal del blog, opteniendo todas las url de cada post, despues de eso coger todos los datos del post como desees

kanikase · 17/04/2015

iniciopublic disse:
¿? No te entiendo

Que obtengas las url desde la página principal del blog.

iniciopublic · 17/04/2015

kanikase disse:
Que obtengas las url desde la página principal del blog.

Como ? :topsy_turvy: , plisss

con ese codigo solo podría obtener la primera url de la pagina , ¿como podría obtener varias?

kanikase · 17/04/2015

iniciopublic disse:
Como ? :topsy_turvy: , plisss

depende de la estructura HTML del blog, lo puedes hacer con curl :encouragement:

Un ejemplo, un blog tiene la siguiente estructura HTML:

HTML:

<article id="post-1"><a href="http://blog.com/entrada/"><h2>Titulo post</h2></a><div class="thumb"><img src="/thumb.jpg"></div><p>Lorem  ipsum dolor sit.....</p></article>

Lo que haríamos con php sería ver cuantas veces se encuentra <article id="post-1"> en la página principal, sabiendo cuantas veces hay hacemos el ciclo for, pero ya tenemos que tener el source de la página, eso es lo qjue hacemos con curl:

PHP:

<?php
function curl($url){
	$ch = curl_init($url);
	curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
	curl_setopt($ch, CURLOPT_FOLLOWLOCATION, 1);
	$page = curl_exec($ch);
	curl_close($ch);
	return $page;
}
$page = curl('http://blog.com');
$entradas = preg_match(/<article id="post-([0-9-]+)">(.*)<\/article>/, $page, $match);
for($i = 0; $i < count($match); $i++) {
preg_match(/<a href="(.*)"><h2>(.*)<\/h2><\/a>/, $match[$i], $urls);
$url .= $urls[1].'<br />';
}
echo $url;
?>

Según yo eso funcionaría :distant:

iniciopublic · 17/04/2015

Tenkiu !! lo probare

kanikase disse:
depende de la estructura HTML del blog, lo puedes hacer con curl :encouragement:

Un ejemplo, un blog tiene la siguiente estructura HTML:

HTML:

<article id="post-1"><a rel="nofollow" href="http://blog.com/entrada/"><h2>Titulo post</h2></a><div class="thumb"><img src="/thumb.jpg"></div><p>Lorem ipsum dolor sit.....</p></article>

Lo que haríamos con php sería ver cuantas veces se encuentra <article id="post-1"> en la página principal, sabiendo cuantas veces hay hacemos el ciclo for, pero ya tenemos que tener el source de la página, eso es lo qjue hacemos con curl:

PHP:

<?php function curl($url){ $ch = curl_init($url); curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1); curl_setopt($ch, CURLOPT_FOLLOWLOCATION, 1); $page = curl_exec($ch); curl_close($ch); return $page; } $page = curl('http://blog.com'); $entradas = preg_match(/<article id="post-([0-9-]+)">(.*)<\/article>/, $page, $match); for($i = 0; $i < count($match); $i++) { preg_match(/<a href="(.*)"><h2>(.*)<\/h2><\/a>/, $match[$i], $urls); $url .= $urls[1].'<br />'; } echo $url; ?>

Según yo eso funcionaría :distant:

Copiar conteúdo buscando por URLs amigáveis

iniciopublic

softwareweb

iniciopublic

softwareweb

kanikase

iniciopublic

kanikase

iniciopublic

Tópicos similares