一、大背景
经常在博客园写博客的博主，文章写多了就想着整理整理文章。下面是我在14年11月整理的一篇：
[Beautifulzzzz的博客目录] 快速索引点这儿O(∩_∩)O~~，红色标记的是不错的(⊙o⊙)哦~
下面整理的目录截图：
二、问题所在
手动更新目录存在以下几点问题：
① 每次写完文章去更新目录是个很繁琐的事情，一般人做着做着就放弃了（比如我，只更新到14年）
② 优质美观的目录（整齐）需要直接用HTML编辑，如果不用HTML可能突然某个地方格式很奇葩，如果不用HTML调美观很费功夫
③ 即使使用HTML编辑，由于博客园的HTML编辑框太简单，没有查找、替换、格式化、折叠，插入新条目也颇费劲
三、问题解决（在这试玩）
针对手动更新的问题，爱偷懒的博主尝试写了一个目录自动更新的引擎，现分享给大家：
http://letitagif.applinzi.com/
用法：只需将自己博客的用户名输入搜索框
前提：你的博客主页有随笔分类这一栏
举例：例如我的博客的用户名为zjutlitao，因此搜索框内输入zjutlitao，点击搜索随机会生成你的目录
四、实现思想
① 爬取主页HTML源码
② 解析侧栏随笔分类列表，获取所有随笔分类及对应URL
③ 利用上面解析的URL，爬取每种分类的HTML源码
④ 解析每种分类下面的文章列表
⑤ 将生成的目录输出
核心源码如下：
1 <?php 2 3 include "php-simple-html-dom-parser-master/Src/Sunra/PhpSimple/HtmlDomParser.php"; 4 use SunraPhpSimpleHtmlDomParser; 5 6 $user_name = $_GET["search_user_name"]; 7 8 $main_url = "http://www.cnblogs.com/$user_name/mvc/blog/sidecolumn.aspx?blogApp=$user_name"; 9 $main_dom = HtmlDomParser::file_get_html($main_url); 10 $kind_list_dom = $main_dom->find('.catListPostCategory'); 11 12 $time_reg="/d{4}-d{2}-d{2}sd{2}:d{2}/";//匹配时间的正则表达式 13 $goal_reg="/(([0-9]+))/";//匹配(XXX)的正则表达式 14 15 16 17 foreach($kind_list_dom[0]->find('a') as $a_kind_dom){// Find all kind links 18 $a_kind_url = $a_kind_dom->href; 19 $a_kind_name = $a_kind_dom->innertext; 20 $out_dom = "<p class='beautifulzzzz_p'><span><strong>" .$a_kind_name ."</strong></span></p>"; 21 22 23 $a_kind_dom = HtmlDomParser::file_get_html( $a_kind_url ); 24 foreach($a_kind_dom->find('.entrylistItem') as $element){//所有内容条目都是class=entrylistItem 25 $item=$element->children(0)->children(0); 26 $item->id="beautifulzzzz_id"; 27 $item->class="beautifulzzzz_class"; 28 $item->target="_blank"; 29 30 $info=$element->children(2); 31 $info_string=$info->plaintext; 32 33 /* 34 匹配时间，文章列表最下面的文章发布时间、阅读量等信息 35 if(preg_match($time_reg,$info_string,$time_out)){//匹配时间 36 $time_out[0]; 37 }else{ 38 $out_dom = $out_dom ."<span>" .($item->outertext) ."</br></span>";//输出内容 39 } 40 */ 41 42 /* 43 匹配阅读量+评论量 44 if(2==preg_match_all($goal_reg,$info_string,$goal_out)){//匹配阅读量等 45 echo $info_string .$goal_out[0][0] .$goal_out[0][1]; 46 }else{ 47 $out_dom = $out_dom ."<span>" .($item->outertext) ."</br></span>";//输出内容 48 } 49 */ 50 51 /*根据阅读量将阅读量超过500或评论超过2的文章设置为红色*/ 52 53 if(2==preg_match_all($goal_reg,$info_string,$goal_out)){//匹配阅读量等 54 $read_number=(int)substr($goal_out[0][0],1,strlen($goal_out[0][0])-2); 55 $say_number=(int)substr($goal_out[0][1],1,strlen($goal_out[0][1])-2); 56 57 //echo $read_number ." " .$say_number; 58 if($read_number>=500 || $say_number>=2){ 59 $item->class="beautifulzzzz_class_important"; 60 } 61 $out_dom = $out_dom ."<span>" .($item->outertext) ."</br></span>";//输出内容 62 63 } 64 } 65 ob_start(); 66 echo $out_dom; 67 ob_end_flush(); 68 }/**/ 69 ?>
参考链接
http://www.cnblogs.com/txw1958/archive/2013/01/19/2867584.html
https://github.com/sunra/php-simple-html-dom-parser DOM解析的开源项目
http://simplehtmldom.sourceforge.net/manual.htm 上面开源DOM解析的说明API文档，很有用
http://www.cnblogs.com/jbexploit/p/4592527.html#3212750
http://www.educity.cn/help/HTMLCSS/200801141504481718.htm HTML与CSS入门：内部样式表和内联样式
http://blog.csdn.net/wolinxuebin/article/details/7615098 CSS 元素垂直居中的 6种方法
http://www.w3schools.com/js/ Javascript介绍，英文
http://www.ziqiangxuetang.com/jsref/prop-button-name.html button和js绑定
关于PHP"ECHO"输出效率问题?
加速PHP的ECHO
关于时间正则表达式
PHP 正则表达式查找字符串
上面两个看着没做出来，浪费很长时间，最后仔细比对才发现反斜杠搞错了，这里资料比较全
@beautifulzzzz - 物联网&普适计算实践者
e-mail：beautifulzzzz@qq.com
i-blog：blog.beautifulzzzz.com