本文为一个提取一批新闻网页中的文本的小程序，它可以将各篇新闻的内容存为以该新闻标题为文件名的文本文件。如有更好的处理方法，请和我联系：

lwx3069@sina.com

这里以人民网中的“今日要闻”下的新闻为例.

<?php

($url) ? "" : $url = "http://www.unn.com.cn/GB/channel2/3/11/index.html";// 今日要闻

if(isset($url)&&$url!=""){

$str = implode("",file($url));

$str_ary = explode("<ul>",$str);

$str_ary = explode("<li>",trim($str_ary[1]));

for ($i=0; $i<8; $i++){

if (strlen(trim($str_ary[$i]))<3){

continue;

}

echo "新闻".$i."：".$str_ary[$i];

$str1=strstr("$str_ary[$i]",'<a href="/');

$str2=strstr("$str_ary[$i]",'" target');

$len1=strlen("$str1");

$len2=strlen("$str2");

$len=$len1-$len2;

$url=substr("$str1",10,$len-10);

if (strlen(trim($url))!=0) {

$url = "http://www.unn.com.cn/".$url;

define(CONTENTS_DIR,"./contents/");

if(isset($url)&&$url!=""){

$str = implode("",file($url));

$str1=explode('<div align="right">',$str);//去掉文件没用的上半部分

$str2 = explode('<h4 align="center"> </h4>',$str1[1]);

//取出文件的下半部分，并去掉没用的下半部分，这时得到的都是有用的

$str3=explode('</font><font size="+2"><b><font size="3">',$str2[0]);//从整个有用部分取出文件标题和正文

$str4=explode('</div>',$str2[0]);//取出日期和时间

$str5=explode('</font></b></font><font size="2">',$str3[1]);//从标题和正文部分取出标题

$title=str_replace("<br>","",$str5[0]);

$str3=explode('<p><font size="2">',$str2[0]);//从整个有用部分取出文件正文

$str3[1]=str_replace('<br><br>',"n"."",$str3[1]);

$str3[1]=str_replace('',"",$str3[1]);

$str3=strip_tags($str3[1]);

$pf=trim($title).".txt";

$ppf=fopen(CONTENTS_DIR."$pf",'w');

fputs($ppf,$title);

fputs($ppf,"$str4[0]");

fputs($ppf,$str3);

}

}

}

}

?>