PHP 正则表达式分析RSS

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 "

　　";

　　}