Тема этой записи – парсер сайта MirSovetov.ru написанный на PHP. Его исходный код выложен ниже. А пока – предыстория:
Я начинал свой путь к монетизации сайтов с клепания СДЛов на базе копи-паста и продаже ссылок через SAPE (в простонародии – сапа). Дизайн, не долго думая, я брал из паблика и переделывал под свои нужны. Контент получал через собственноручно написанный парсер сайта MirSovetov.ru. Таким образом у меня получилось около пяти сайтов – на каждом по 2-3 раздела с мирсоветов. Часть из этих сайтов прожили пару месяцев до введения АГСа и успешно канули в лету – сначало в поиске осталось по паре страниц, потом наступил бан. Остальные сайты провиселе в индекса по три месяца и ушли сразу же в бан после введения АГС-30. По какой причине часть сайтов прожила дольше мне так и не понятно, при том что дизайн и количество ссылок в сапе было совершенно одинаково.
В гугле эти сайты до сих пор живы и посещалка на них колеблется от 10 до 40 человек в день. Когда-нибудь у меня дойдут руки оптимизировать их под низкочастотники и зарабатывать на тизерах и AdSense.

Вернемся к главному – парсеру. Так как дальнейшее развитие моих сайтов с контентом от МирСоветов пока не предвидется я решил явить миру главную часть этих сайтов – парсер контента. Движок для отображения сайтов также самописный, но его я пока публиковать не буду. Покажу лишь главные функции для работы с контентом.
Итак, код парсера:

(.*) // (.*)



(.*)

|sU',$lines,$matches);
	$left=array();
	for ($i=0;$i
(.*) // (.*)



(.*)

|sU',$lines,$matches);
	for ($i=0;$i]*>|iU','',$lines);
	$lines=preg_replace('||iU','',$lines);
	$lines=preg_replace('|МирСоветов|i','"О здоровье"',$lines);
	preg_match('|
(.*)

|sU',$lines,$h1);
	$h1=$h1[1];
	preg_match('|
[^<]*(.*)[^<]*

|sU',$lines,$matches);
	preg_match_all('|'.$h1.'

'.$text;
}

function prpl($m){
	return '

Пометка для PHP-программистов – код я писал довольно давно, в нем куча ляпов и недочетов, эти моменты просьба не комментировать
Спарсенный контент складывается в директорию content, картинки копируются туда же. Также в этой директории создается файл индекса статей.
Вывод меню:

$lf){
    echo '
'.$cat.'

';
}
?>

Вывод контента:

$list=unserialize(file_get_contents('content/index'));
foreach ($list as $cat=>$lf){
        foreach ($lf as $img=>$text){
                echo '

'.$text.' // '.
$cat.'



'.str_replace('','',preg_replace('||sU','',preg_replace('|МирСоветов|i','"Мы"',file_get_contents('content/ann_'.$img)))).'


';
        }
}

На сегодня всё. Надеюсь, кому-то этот парсер пригодится. Читайте меня по RSS – будет еще много интересного.

Похожие посты:

• PHP: Слияние массивов со сложением значений с одним ключем.