php写的一个小程序，只有下面的源码，即可以将其文章内容采集下来，可以显示采集网址以及链接，采集标题和内容，主要是利用正则原理进行采集，虽然没有进行入库，但如果采集数据不是很大，比如单页采集便可以使用此小程序了，可以直接进行php采集预览，也可以更改规则，运行一下吧，很有意思。

<?php   
// 采集首页地址   
function yahoo_xh($url= "http://cn.jokes.yahoo.com/jok/index.html")
{   
// 获取页面代码   
$r = file_get_contents($url);   
// 设置匹配正则   
$preg = "{hspace=5><a href=\"http://cn.jokes.yahoo.com/(.*).h
tml\" class=list target=_blank>}isU";   
// 进行正则搜索   
preg_match_all($preg, $r, $title);   
// 计算标题数量   
$count = count($title[0]);   
// 通过标题数量进行内容采集   
for($i=0;$i<$count;$i++) {   
preg_match("/http(.*)html/U",$title&#91;0&#93;&#91;$i&#93;,$jurl);   
echo "<a href=".$jurl&#91;0&#93;." target='_blank'>".$jurl[0]."</a>";   
//获取详细地址   
$c = @file_get_contents($jurl[0]);   
$preg1="{<h1 id=\"heading\">(.*)</h1>}isU";   
$preg2="{<div id=\"newscontent\">(.*)</div>}isU";   
preg_match_all($preg1,$c,$titles); //标题   
preg_match_all($preg2,$c,$content);//内容   
echo "<h1>".$titles[0][0]."</h1><br/>";   
echo "".$content[0][0]."<hr/>";   
}   
}   
yahoo_xh();   
yahoo_xh("http://cn.jokes.yahoo.com/jok/index1.html");   
yahoo_xh("http://cn.jokes.yahoo.com/jok/index2.html");   
yahoo_xh("http://cn.jokes.yahoo.com/jok/index3.html");   
?>