PHP处理小说文章内容
PHP处理小说章节并分割成文件
先缕清思路，
拿到一个超大TXT小说之后能干什么、是不是得按照章节给逐个分清各个小文件
之前我是这样想的，用正则匹配每个章节，把内容里的章节全给匹配到，再放到数组遍历用explode给逐个分割，每一章对应生成每一章的文件。开始干吧
if(preg_metch(“/第[0-9一二两三四五六七八九十百千万]*[章节]/i”,$str,$matches){}
但是这样匹配不到，我上网查了一下，正则匹配得是UTF8格式的 小说一般都是GBK 后来换了一个思路
用mb系列的函数先给它转换成UTF8的
$str=mb_convert_encoding($str,"UTF-8","GBK");
转换之后就不乱码了，但是还是匹配不到、然后又问万能的百度，发现汉字在正则里面是
\x{4e00}-\x{9fa5} 然后又把汉字翻译成Unicode 又查阅资料重写的正则，最后成了这样
if(preg_match_all("/(\x{7b2c})(\s*)([\x{96f6}\x{4e00}\x{4e8c}\x{4e09}\x{56db}\x{4e94}\x{516d}\x{4e03}\x{516b}\x{4e5d}\x{5341}\x{767e}\x{5343}0-9]+)(\s*)([\x{7ae0}\x{8282}]+)/u",$str,$matches)){}
不负众望 出来了，匹配到小说里面所有的章节 赶紧去起点网对比一下 结果刚刚好，一篇不多一篇不少。
接下来就该获取章节内容了，本来 是想用explode关键字来分割内容 ， 结果实验了一下午没有成功，然后想，拿脑瓜子想，查阅资料 但是感觉这部分应该属于核心部分。没办法啦，只能靠自己了。咦，突然一瞬间启发了我，
拿内容不就是这三个标签中间的那个吗，哇 头皮发麻 章节我也有了，直接怼吧
就开始写正则
#$matches[$第一章](.*)$matches[$第二章]#isU
因为是正则匹配的，防止重复array_unique去重
大工告成！！！费事一天半终于成功了·····
代码在下↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓
$bookname /*文件夹名字*/,
$re /*入库id*/,
$newName /*超大TXT小说*/
$dir="./static/book/".base64_encode($bookname);
if(!file_exists($dir))
{
mkdir($dir,0777,true);
}
$file_name='./static/book/'.$newName;
$str=file_get_contents($file_name);
$str=mb_convert_encoding($str,"UTF-8","GBK");
$arr=[];
if(preg_match_all("/(\x{7b2c})(\s*)([\x{96f6}\x{4e00}\x{4e8c}\x{4e09}\x{56db}\x{4e94}\x{516d}\x{4e03}\x{516b}\x{4e5d}\x{5341}\x{767e}\x{5343}0-9]+)(\s*)([\x{7ae0}\x{8282}]+)/u",$str,$matches))
{
$matches=array_slice($matches[0], 0,count($matches[0]));
for ($i=0; $i $value)
{
preg_match($value, $str,$arr[$key]);
unset($arr[$key][0]);
}
static $bookContent=[];
foreach ($arr as $key => $value)
{
if(isset($value[1]))
{
$chaptername =strstr($value[1], "\n", true);
}
else
{
$chaptername='哎呀没处理好';
}
@$bookContent[$matches[$key].$chaptername]=$value[1];
unset($bookContent[$key]);
}
foreach ($arr as $key => $value)
{
$file_name=$dir.'/'.rand(10000,99999).'.txt';
file_put_contents($file_name, $value);
}