PHP新闻采集：解决路径与内容提取问题

使用PHP高效采集新闻信息：巧妙解决相对路径和内容提取难题

本文将详细讲解如何利用PHP、cURL和正则表达式，从目标网站抓取新闻列表及新闻详情。我们将重点攻克两个挑战：一是将新闻列表页中相对路径的链接转换成完整的URL；二是精准提取新闻详情页中的新闻正文。

目标是从网站列表页（页面1）获取新闻标题和链接（这些链接为相对路径，例如/arthtml/40958.html），并访问每个新闻详情页（页面2）提取新闻内容，最终在页面上显示新闻标题、完整URL和新闻内容。

挑战一：相对路径转换为完整URL

为了将相对路径转换为完整URL，我们可以使用正则表达式提取相对路径，再与网站根域名拼接。在页面1的源代码中，新闻链接位于标签的href属性中。 我们可以使用类似href="(.+?)"的正则表达式进行匹配。