在線詞典數(shù)據(jù)怎么采集？請(qǐng)大家給個(gè)思路！參考資料(php的)。謝謝

雖然我沒(méi)有做過(guò)采集在線詞典，

目前成都創(chuàng)新互聯(lián)公司已為上千的企業(yè)提供了網(wǎng)站建設(shè)、域名、雅安服務(wù)器托管、網(wǎng)站改版維護(hù)、企業(yè)網(wǎng)站設(shè)計(jì)、丹東網(wǎng)站維護(hù)等服務(wù)，公司將堅(jiān)持客戶導(dǎo)向、應(yīng)用為本的策略，正道將秉承"和諧、參與、激情"的文化，與客戶和合作伙伴齊心協(xié)力一起成長(zhǎng)，共同發(fā)展。

不過(guò)看了下百度詞典，可以采集，給個(gè)參考思路。

1、做一個(gè)本地的單詞庫(kù)

2、php循環(huán)一條一條讀取詞語(yǔ)庫(kù)

3、php采集 URL地址：百度詞典網(wǎng)址/s？wd=單詞，讀取html源碼php正則匹配內(nèi)容。

4、數(shù)據(jù)入庫(kù)。

php 百度 知道數(shù)據(jù)采集

問(wèn)題其實(shí)不難，自己都能寫。給你幾個(gè)思路吧：

1.在百度知道中，輸入linux，然后會(huì)出現(xiàn)列表。復(fù)制瀏覽器地址欄內(nèi)容。

然后翻頁(yè)，在復(fù)制地址欄內(nèi)容，看看有什么不同，不同之處，就是你要循環(huán)分頁(yè)的i值。

當(dāng)然這個(gè)是笨方法。

2.使用php的file或者file_get_contents函數(shù)，獲取鏈接URL的內(nèi)容。

3.通過(guò)php正則表達(dá)式，獲取你需要的3個(gè)字段內(nèi)容。

4.寫入數(shù)據(jù)庫(kù)。

需要注意的是，百度知道有可能做了防抓取的功能，你剛一抓幾個(gè)頁(yè)面，可能會(huì)被禁止。

建議也就抓10頁(yè)數(shù)據(jù)。

其實(shí)不難，你肯定寫的出來(lái)。 還有，網(wǎng)上應(yīng)該有很多抓取工具，你找找看，然后將抓下來(lái)的數(shù)據(jù)

在做分析。寫入數(shù)據(jù)庫(kù)。

怎么用php采集網(wǎng)站數(shù)據(jù)

簡(jiǎn)單的分了幾個(gè)步驟：

1、確定采集目標(biāo)

2、獲取目標(biāo)遠(yuǎn)程頁(yè)面內(nèi)容（curl、file_get_contents）

3、分析頁(yè)面html源碼，正則匹配你需要的內(nèi)容（preg_match、preg_match_all），這一步最為重要，不同頁(yè)面正則匹配規(guī)則不一樣

4、入庫(kù)

php采集數(shù)據(jù)怎么做??？

用fopen/file/file_get_contents/curl之類的函數(shù)將遠(yuǎn)程頁(yè)面獲得內(nèi)容， 采用正則或過(guò)濾之類的獲得自己所需要的東西， 最好寫入相應(yīng)的數(shù)據(jù)庫(kù)保存起來(lái)。