百度API：频道新闻API_易源
第二个看这个是因为百度APIStore里面免费+综合排序这个就排第二，也是因为公司之前需要新闻采集，自己做的不好。用一下这个看看能有多少有效新闻：
今天看一共有44个频道，每个频道第一页都可以取20条新闻。很强大。代码很简单：
1 <html> 2 <head><meta charset="utf-8"></head> 3 <body> 4 <?php 5 $ch = curl_init(); 6 $url = 'http://apis.baidu.com/showapi_open_bus/channel_news/channel_news'; 7 $header = array( 8 'apikey:百度API密钥', 9 ); 10 curl_setopt($ch, CURLOPT_HTTPHEADER , $header); 11 curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1); 12 curl_setopt($ch , CURLOPT_URL , $url); 13 $res = curl_exec($ch); 14 $data=json_decode($res,true); 15 echo '<pre>'; 16 $channel=array();//频道 17 if(isset($data['showapi_res_code']) && $data['showapi_res_code']===0 && is_array($data['showapi_res_body']['channelList'])){ 18 $channel=$data['showapi_res_body']['channelList']; 19 }else{ 20 echo 'error!'; 21 exit; 22 } 23 //print_r($data); 24 foreach($channel as $v){ 25 $id=$v['channelId']; 26 $name=$v['name']; 27 28 $ch = curl_init(); 29 $url = "http://apis.baidu.com/showapi_open_bus/channel_news/search_news?channelId={$id}&page=1&needContent=1&needHtml=1"; 30 curl_setopt($ch, CURLOPT_HTTPHEADER , $header); 31 curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1); 32 curl_setopt($ch , CURLOPT_URL , $url); 33 $res = curl_exec($ch); 34 $data=json_decode($res,true); 35 if(isset($data['showapi_res_body']['pagebean']['contentlist']) && is_array($data['showapi_res_body']['pagebean']['contentlist'])){ 36 //$num=count($data['showapi_res_body']['pagebean']['contentlist']); 37 echo '<span style="color:red">'.$name.'</span>:'; 38 foreach($data['showapi_res_body']['pagebean']['contentlist'] as $dk=>$dv){ 39 echo "<a href='{$dv['link']}' style='color:#646'>".$dv['title'].'</a>'; 40 foreach($dv['imageurls'] as $iv){ 41 echo '<img src="'.$iv['url'].'" style="20px;height:20px">'; 42 } 43 echo ' '; 44 if($dk>3) break; //一类获取三条退出，只做初步查看用 45 //print_r($dv); 46 } 47 } 48 echo '<br/>'; 49 //break; 50 } 51 echo '</pre>'; 52 ?> 53 </body> 54 </html>
自己之前给公司做的新闻采集就比较弱，上一篇提到过，就是用file_get_contents()获取内容然后preg_match正则去取，正则用的也属于新手阶段。
说一下当时的新闻采集的思路，就是找新闻列表页，比如：人民网-北京-区县，然后分析出来所有链接，去链接里面去采集新闻标题，内容，图片。数据库存储：`tag`表存储标签，字段名称，链接地址，列表开始结束标签，新闻标题开始结束标签，内容开始结束标签。以后采集时候直接选取名称然后去查询。目标网站改版后得更新。
遇到的难点有：1.编码，GB2312转UTF-8，开始用iconv()后来改用mb_detect_encoding().2.就是正则了，获取图片等等。自己做的新闻采集的获取新闻的调试页面
代码特别乱，就不献丑。