PHP备份人人网日志脚本 ver 0.1
今天确实是无聊了，写了一个备份人人网的日志，到本地html的类。
主要是cURL登录，正则解析页面。
使用方法，最后那个脚本的最后两行改掉，你知道的。或者重新写一个运行脚本：
<?php include("renren.php"); $test = new renren("你的人人网账号","你的人人网密码"); $test->download(); ?>
然后开一个cmd，执行（注意，以命令行的方式运行脚本！）
>php rrBlogBackup.php
运行时的效果：
运行后会在运行的目录下，生成一堆日志html和一个index.html算是目录吧。
完整的脚本如下：
<?php /** * 人人网个人日志备份 * * 版本 0.1 * 作者 BookMoth * 日期 2010-04-19 * */ class renren { private $home_url = "http://www.renren.com"; private $blog_url = "http://blog.renren.com/blog/0"; private $ch; private $cookie_file; private $username,$password; private $menu; private $download_path = 'blog';//保存的目录 private $rt_encode = 'cp936';//系统编码，主要是为了win下cmd输出正常的汉字。 public function __construct($username,$password){ $this->cookie_file = tempnam('./','xn'); $this->username = urlencode($username); $this->password = urlencode($password); if(!is_dir($this->download_path)){ mkdir('blog'); } } public function download(){ //主函数 if($this->login()){ $total_blogs = $this->getTotalBlog(); $this->_echo("[信息] 日志总数 {$total_blogs}/n"); if($total_blogs > 0){ $this->_echo( "[信息] 获取日志列表/n"); $blog_list = $this->getBlogList($total_blogs); if(is_array($blog_list)&&count($blog_list)==$total_blogs){ $this->_echo("[信息] 获取日志列表完成/n"); foreach ($blog_list as $blog_url) { $this->getBlog($blog_url); } $this->_echo("[信息] 下载日志全部完成/n"); $this->makeIndex(); $this->_echo("[信息] 创建日志目录完成/n"); }elseif (is_array($blog_list)){ $blog_list_length = count($blog_list); $this->_echo("[错误] 获取日志列表不完成:{$blog_list_length}/{$total_blogs}/n"); }else{ $this->_echo( "[错误] 获取日志失败/n"); } }else{ $this->_echo( "[错误] 没有日志！"); } } } public function login(){ //登录1 Plogin.do $this->ch = curl_init("http://www.renren.com/PLogin.do"); $post_data = "email={$this->username}&password={$this->password}&origURL=http%3A%2F%2Fwww.renren.com%2FHome.do&domain=renren.com"; curl_setopt($this->ch,CURLOPT_POSTFIELDS,$post_data); curl_setopt($this->ch, CURLOPT_RETURNTRANSFER, 1); curl_setopt($this->ch, CURLOPT_COOKIEJAR, $this->cookie_file); $result = curl_exec($this->ch); curl_close($this->ch); preg_match('/"([^"]+)"/',$result,$url); //登录2 callback.do $result = $this->_getUrlContents($url[1]); preg_match('/"([^"]+)"/',$result,$url); //登录3 Home.do $result = $this->_getUrlContents($url[1]); if(preg_match("/最近来访/",$result)){ preg_match("/<title>([^<]+)<//title>/",$result,$title); $this->_echo( "[信息] 登录成功 [{$title[1]}]/n"); return true; }else{ $this->_echo( "[错误] 登录失败 "); return false; } } public function getTotalBlog(){ //获取总共多少篇日志 $blog_page = $this->_getUrlContents($this->blog_url); preg_match("/<div class=/"blog-home/"><div class=/"pager-top/"><span>当前显示1-10篇//共([0-9]+)篇/",$blog_page,$total_blog); return $total_blog[1]; } /** * 获取全部日志的url列表 * * @param int $total_blog * @return array() */ public function getBlogList($total_blog){ $total_pages = (int)($total_blog/10); $blog_list = array(); for ($curr_page=0;$curr_page<=$total_pages;$curr_page++){ $_url = "http://blog.renren.com/blog/0?curpage={$curr_page}&year=0&month=0&selitem="; $blog_page = $this->_getUrlContents($_url); preg_match_all("/href=/"(http:////blog.renren.com//blog//[0-9]{7,10}//[0-9]{7,10})/">([^<]+)<//a> <//strong>/",$blog_page,$match_result); $blog_list = array_merge($blog_list,$match_result[1]); } return $blog_list; } /** * 获取指定url的日志，保存为html * * @param string $blog_url */ public function getBlog($blog_url){ $blog_page_html = $this->_getUrlContents($blog_url); $blog_title = trim($this->_getBlogTitle($blog_page_html)); $blog_time = $this->_getBlogTime($blog_page_html); $blog_content = $this->_getBlogContent($blog_page_html); $tmp_html = '<html>'; $tmp_html .= '<head><meta http-equiv="Content-Type" content="text/html; charset=UTF-8" /></head>'; $tmp_html .= '<body><h1>'.$blog_title.'</h1>'; $tmp_html .= '<br />'.$blog_time.'<br />'; $tmp_html .= $blog_content.'</body></html>'; $tmp_file_name = str_replace('/','_',substr($blog_url,28)).'.html'; $this->menu[$tmp_file_name] = $blog_title; file_put_contents($this->download_path .DIRECTORY_SEPARATOR. $tmp_file_name,$tmp_html); $this->_echo("[信息] 保存日志列表完成[$blog_title] /n"); } /** * 解析HTML，获取日志的标题 * * @param string $blog_html_str * @return string */ private function _getBlogTitle($blog_html_str){ preg_match("/<b>(.+)<//strong>?/",$blog_html_str,$match_result); return $match_result[1]; } /** * 解析HTML，获取日志的内容 * * @param string $blog_html_str * @return string */ private function _getBlogContent($blog_html_str){ preg_match('/<div/ id=/"blogContent/"/ class=/"text/-article/">.+?<//div>/s',$blog_html_str,$match_result); return $match_result[0]; } /** * 解析HTML，获取日志的时间 * * @param string $blog_html_str * @return string */ private function _getBlogTime($blog_html_str){ preg_match('//"timestamp/">(/d{4}/-/d{2}/-/d{2}/ /d{2}:/d{2})/',$blog_html_str,$match_result); return $match_result[1]; } /** * 获取指定url的页面全部内容 * * @param string $url * @return string */ private function _getUrlContents($url){ $this->ch = curl_init($url); curl_setopt($this->ch, CURLOPT_RETURNTRANSFER, 1); curl_setopt($this->ch, CURLOPT_COOKIEJAR, $this->cookie_file); curl_setopt($this->ch, CURLOPT_COOKIEFILE, $this->cookie_file); $result = curl_exec($this->ch); curl_close($this->ch); return $result; } /** * 创建目录 * */ private function makeIndex(){ $tmp_index = '<html>'; $tmp_index .= '<head><meta http-equiv="Content-Type" content="text/html; charset=UTF-8" /></head>'; $tmp_index .= '<body>'; if (is_array($this->menu)) { foreach ($this->menu as $link=>$title) { $tmp_index .= '<a href="'.$link.'" mce_href="'.$link.'" target="_blank">'.$title.'</a><br />'; } } $tmp_index .= '</body></html>'; file_put_contents($this->download_path .DIRECTORY_SEPARATOR.'index.html',$tmp_index); } /** * 转换msg为指定的编码，echo * * @param string $msg */ private function _echo($msg){ echo iconv("utf-8",$this->rt_encode,$msg); } public function __destruct(){ unlink($this->cookie_file); } } $test = new renren("人人网账号","人人网密码"); $test->download(); ?>
待完善的内容：
1、保存日志中的图片。
2、保存日志中的评论。
3、将零散的html备份文件，编译成chm，或者其他格式。
4、保存备份所有的状态。
不过，我不打算做这些了。
最后要说：PHP不光做网页，做脚本也非常好用！
PS：发现什么问题的话，敬请指教。