同时提取多条新闻中的文本一例

本文为一个提取一批新闻网页中的文本的小程序，它可以将各篇新闻的内容存为以该新闻标题为文件名的文本文件。如有更好的处理方法，请和我联系：
lwx3069@sina.com
这里以人民网中的"今日要闻"下的新闻为例.
<?php
($url) ? "" : $url = "http://www.unn.com.cn/GB/channel2/3/11/index.html"; // 今日要闻
if(isset($url)&&$url!="") {
$str = implode("",file($url));
$str_ary = explode("

",$str);
$str_ary = explode("
• ",trim($str_ary[1]));
  for ($i=0; $i<8; $i++) {
  if (strlen(trim($str_ary[$i]))<3){
  continue;
  }
  echo "新闻".$i."：".$str_ary[$i];
  $str1=strstr("$str_ary[$i]",'<a href="/');
  $str2=strstr("$str_ary[$i]",'" target');
  $len1=strlen("$str1");
  $len2=strlen("$str2");
  $len=$len1-$len2;
  $url=substr("$str1",10,$len-10);
  if (strlen(trim($url))!=0) {
  $url = "http://www.unn.com.cn/".$url;
  define(CONTENTS_DIR,"./contents/");
  if(isset($url)&&$url!="") {
  $str = implode("",file($url));
  $str1=explode('
  ',$str); //去掉文件没用的上半部分
  $str2 = explode('

  ',$str1[1]);
  //取出文件的下半部分，并去掉没用的下半部分，这时得到的都是有用的
  $str3=explode('',$str2[0]); //从整个有用部分取出文件标题和正文
  $str4=explode('
  ',$str2[0]); //取出日期和时间
  $str5=explode('',$str3[1]); //从标题和正文部分取出标题
  $title=str_replace("
  ","",$str5[0]);
  $str3=explode('

  ',$str2[0]); //从整个有用部分取出文件正文
  $str3[1]=str_replace('
  
  ',"\n"."　　",$str3[1]);
  $str3[1]=str_replace(' ',"",$str3[1]);
  $str3=strip_tags($str3[1]);
  $pf=trim($title).".txt";
  $ppf=fopen(CONTENTS_DIR."$pf",'w');
  fputs($ppf,$title);
  fputs($ppf,"$str4[0]");
  fputs($ppf,$str3);
  }
  }
  }
  }
  ?>