由於需要，要寫一個簡單的PHP采集程序，照例是到網上找了一堆教程，然後照貓畫虎，可是發現網上的教程全是似是而非，沒有一個真正能用的。苦想了幾天，終於弄明白了裡面的道理。在這裡寫出來，請高手指正。
采集程序的思路很簡單，無非就是先打一個頁面，一般都是列表頁，取得裡面全部鏈接的地址，然後打開逐條鏈接，尋找我們感興趣的東西，如果找到，就把它入庫或別的處理。下面以一個很簡單的例子來說說。
首先確定一個采集頁，一般就是列表面了。這裡目標是:http://www.php100.com/article/11/index.htm。這是一個列表頁，我們的目的就是采集這個列表頁上全部的文章。有列表頁了，第一步先打開它，把它的內容納入到我們的程序中來。一般用fopen或是file_get_contents這兩個函數，我們這裡用fopen作例子。怎麼打開它呢?很簡單：$source=fopen("[url=http://www.php100.com/article/11/index.htm",]http://www.php100.com/article/11/index.htm",'r'[/url]);實際上已經把內容納入到我們的程序中來了。注意得到的$source是一個資源，不是可處理的文本，所以再用函數fread將內容讀到一個變量中，這次就是真正的可編輯的文本了。例子：
$content=fread($source,99999);後面的數字表示字節數，填個大的就行。你用file_put_contents將$content寫入到一個文本文件，可以看出裡面的內容其實就是網頁的源碼。得到了網頁的源碼，我們就要分析裡面的文章鏈接地址，這裡要用到正則表達式了，[推薦正則表達式教程(http://www.php100.com/article/7/all/545.1.htm)]。通過查看源代碼，我們可以看到裡面文章的鏈接地址全是這個樣子<div class="in_arttitle"><a href="http://www.php100.com/article/10/all/273.1.htm"> 將數據庫連接代碼封裝在函數裡，在需要讀取時調用..</a>
我們就可以寫正則表達式了。$count=preg_match_all("/<div class="in_arttitle"><ashref="(.+?)">(.+?)</a>/",$content,$art_list);
其中數組$art_list[1][$s]裡面包含的就是某個文章的鏈接地址。而$art_list[2][$s]包含的就是某一文章的標題。到了這一步就可以算成功了一半了。
接著用for循環依次打每個鏈接，然後像取得標題一樣的方法取得內容即可。以上這些和我在網上找的教程都差不多，但是到了這個for循環網上的教程可就差勁，還沒找到一篇可以說清這個事的文章，剛開始我是用js來幫助循環的，還是用實例說吧，剛開始我是這樣做的：
for($i=0;$i<20;4i++ {
中間就是采集內容的部分了，省略了
采集了一頁，肯定要采集再一頁啊
可是再用fopen打開鏈接時就不行了。請求失敗什麼的，用js也不行，最後才知道要用這句echo "<META HTTP-EQUIV=REFRESH CONTENT='0;URL=aa.php?id=1'>";其中aa.php就是我們的程序的文件名， id後面的數字就可以幫助我們實現循環，采集多個頁面。這就是能真正循環起來的關鍵
}
腦子有點難受，寫得有點亂，將就著看吧，在高手看來這可能沒什麼大不了的，可是對於我等菜鳥來說，實在是很有幫助。
