今天一同学给我推荐了本书，说是刚出不久，内容还不错，是心灵鸡汤类的书，于是按捺不住就像在网上下一本，可是木有资源肿么办。只有在线看的，作为一个准码农，所以甭废话了，咱得用代码解决问题对吧……
1.工欲善其事必先利其器
首先你得有个工具用吧，别想我之前似得抓个网页，就写了好多的$pattern去挨个匹配标签，作为伪程序员那哪行啊，对吧，咱得学着它Simple_html_dom
专门解析HTML文档的一东西，超好用的哦~。Simple_html_dom是什么东西在咱博客园上就有怎么用的博客，在这不做赘述。
2.代码详解
啥也甭说，还是代码说话给力，以下是抓去新浪的小说为例。
（1）首先得引入文件吧
include"simple_html_dom.php";
（2）咱这抓小说比较简单，深度就一层，不涉及到什么图的深搜广搜，你只要观察URL的规律即可
$url="http://vip.book.sina.com.cn/chapter/220331/2143";//用for循环加东西就是了
（3）如果for循环的次数太多会报错：超时提醒。甭担心这不是咱的错，这是配置文件的错，咱加上这句话就OK了
ini_set('max_execution_time', '100');
（4）实例化Simple_html_dom
$html=new simple_html_dom();
（5）然后就是for循环生成一个个的URL然后提取内容了主要用到下面的东西
//从URL加载
$html->load_file($url_temp);
//查找class为mainContent的div
$title=$html->find("div[class=mainContent] h1",0);
//收集正文
$content=$html->find("div[class=mainContent] div[class=contTxt1]",0);
（6）适当的用正则控制以下格式
//换行
$content=preg_replace($pattern,"\r\n",$content);
//加空格
$content=preg_replace($pattern1," ",$content);
（7）当然少不了他了（去除html标签）
$title=strip_tags($title);
$content=strip_tags($content);
（8）写入文件即可
（9）恭喜你，小说抓取成功。
3.主要用到的技术
（1）对php的熟练应用
（2）掌握正则表达式。
（3）主要是Simple_html_dom.php的使用
（4）还得注意php超时问题
当循环太多时会出现超时问题，建议不要修改配置文件
