Парсим апдейты и выдачу

5 октября 2009

На многих сайтах манимейкеров и так называемых Интернет-бомжей в правом верхнем углу выведена информация о днях апдейта и выдачи поисковых систем.

Итак, что для этого нам необходимо? Найти потенциальный сайт для парсинга с него информации, желательно надежный и старый ресурс. Думаю, все догадались, какой ресурс подойдет?

Смотрим исходный код сайта, с которого будем парсить информацию.

1
2
3
4
5
6
7
8
9
10
11
12
13
14

<table class="up" width="100%" border="0" cellpadding="0" cellspacing="0">
	<tr>
		<td class="nup">Яндекс тИЦ</td>
		<td class="dup"><acronym title="35 дня(ей) назад">31.08.2009</acronym></td>
	</tr>
	<tr>
		<td class="nup">Google PR</td>
		<td class="dup"><acronym title="103 дня(ей) назад">24.06.2009</acronym></td>
	</tr>
	<tr>
		<td class="nup">Яндекс выдача</td>
		<td class="dup"><acronym title="3 дня(ей) назад">02.10.2009</acronym></td>
	</tr>
</table>

Как видно нужны значения находящиеся в 3 однородных тегах.

1

<acronym title="">Здесь</acronym>

Начинаем писать наш парсер ;-)

1. Берем контент с заданного урла;

1

$uData = file_get_contents ('Здесь URL сайта с которого парсим');

2. Если сайт донор в кодировке windows-1251, а наш использует utf-8, конвертируем через iconv. Если наоборот делаем в обратной последовательности. Ну а если кодировки сопадают не используем данный кусок кода;

1

$uData = iconv ('windows-1251', 'utf-8', $uData);

3. Собственно парсим нужную нам информацию с помощью функции preg_match_all;

1

$fData = preg_match_all ('#<acronym title="(.+)">(.+)</acronym>#Uis', $uData, $update);

4. Теперь мы имеем несколько массивов, отфильтруем нужные нам значения и выведем их;

1
2
3

<div>Яндекс тИЦ < ? echo ($update[2][0]) ?></div>
<div>Google PR < ? echo ($update[2][1]) ?></div>
<div>Яндекс выдача < ? echo ($update[2][2]) ?></div>

5. Общая конструкция парсера выглядит так.

1
2
3
4
5
6
7
8
9

<h3>Апдейты</h3>
< ?
$uData = file_get_contents ('Здесь URL сайта с которого парсим');
$uData = iconv ('windows-1251', 'utf-8', $uData);
$fData = preg_match_all ('#<acronym title="(.+)">(.+)#Uis', $uData, $update);
?>
<div>Яндекс тИЦ < ? echo ($update[2][0]) ?></div>
<div>Google PR < ? echo ($update[2][1]) ?></div>
<div>Яндекс выдача < ? echo ($update[2][2]) ?></div>

Это простая модель парсера. В идеале нужную информацию парсят в файл или БД, запуская парсер по Cron в определенное время и обновляя её, но об этом в следующий раз! ;-)

6 комментариев
x


  1. ]]>Сергей]]>
    16 декабря 2009 в 16:09

    Спасибо, а когда пойдет речь о записи в файл? :-) В смысле, когда следующий раз?


  2. ]]>Khlyupin]]>
    25 декабря 2009 в 18:28

    В ближайшее время, 23 дня отсутствовал, об этом читайте в ближайшем посте ;-)


  3. ]]>Сергей]]>
    30 декабря 2009 в 02:11

    Сменился дизайн сайта откуда парсим, там изменили кодировку на UTF, используем iconv :-)


  4. ]]>Khlyupin]]>
    30 декабря 2009 в 18:36

    Мой код совершенно другой и секретен ;-)


  5. ]]>Сергей]]>
    31 декабря 2009 в 14:59

    Ну у меня все работает :-) Уже сделано с сохранением в файл и обновлением через cron раз в два часа ;-)


  6. ]]>Khlyupin]]>
    31 декабря 2009 в 22:44

    Сергей, только сегодня заметил смену дизайна ресурса, наверное было региональное тестирование, на смену кода мне понадобилось 30 секунд ;-)

Оставить комментарий


Апдейты

Яндекс тИЦ
25.08.2010

Google PR
03.04.2010

Яндекс выдача
02.09.2010

Курсы валют

Доллар (ЦБР)
30,6922

Евро (ЦБР)
39,3505

Погода Киров

ночь, +8...+10 °C
ясно, без осадков
утро, +12...+14 °C
малооблачно, без осадков
день, +14...+16 °C
облачно, без осадков
вечер, +8...+10 °C
облачно, без осадков

Облако тегов

RUCONVERT SAPE SEO WebMoney Авария Апдейт Верстка Вконтакте Дизайн Москва Отдых Правила Праздники Продвижение Проекты Реклама Сбербанк Снежинск Чай Яндекс.Вебмастер

Рубрики блога

Архив записей

Полезно почитать

Войти

Все права на материалы, размещенные на сайте, охраняются в соответствии с гражданским законодательством РФ.
Материалы не могут быть использованы без письменного разрешения владельца сайта. © 2009-2010 www.blog.khlyupin.ru
]]> ]]>