一个文章采集的问题

Question

取url容易,取内容难字符串截取
正则找出头尾

Answer 1

1、先把多节字符串处理成一个。比如空格、换行的什么的，全部替换为你自己定义的伪代码。比如[[::]][[:::]]。
2、获得其中你需要取url的部分。找到一头一尾，取中间就行。
3、用你现在用的办法。获取所有url并放入一个数组。
4、循环数组。重复上面的步骤。并将获得字符串保存（存入数据库或存为文件）。

Answer 2

("/\ <\!\-\-hotNews_begin\-\-\>(.*?)\ <\!\-\-hotNews_end\-\-\>/is
这个正则有问题,改成:("/\<\!\-\-hotNews_begin\-\-\>(.*?)\<\!\-\-hotNews_end\-\-\>/is, 
"\"和"<"间不要空格