PHP应用正则表达式分析RSS

最近做了一个读取中国新闻网RSS的页面。
首先是把RSS文档下载下来保存到本地

$xmlfile = 'news/'.date('YmdH').'.xml';

$sourcexml = 'http://www.chinanews.com.cn/rss/scroll-news.xml';

if( !file_exists($xmlfile) ) {

$str = @file($sourcexml) or die('加载文件时出错。');

$fp = fopen($xmlfile,'w') or die('写缓存失败!');

fputs($fp,$str);

fclose($fp);

然后用simplexml读取并输出HTML

$xml = simplexml_load_file($xmlfile);

$c = $xml->channel;

$k = 0;

foreach($c->item as $v) {

$k ++;

echo "

<div class=/"newsline/">·<a title=/"$v->title/" href=/"$v->link/" target=/"_blank/">$v->title</a></div>

";

后来遇到了一个问题，就是RSS中经常包含有一些GBK的繁体字。google了很多字符集转换方面的文章。得出一个解法：

$str = mb_convert_encoding( join('',$str), "gb2312", "GBK");

这个方法并不能繁体转为简体，会转成一个乱码，但至少能保证simplexml_load_file($xmlfile)执行成功。因为这些繁体字通常出现在描述里

，暂且接受。

再后来遇到另一个问题，描述里出现了形如“中新网12月30日电(闻育e?”的乱码，simplexml_load_file失败。
至此考虑用正则表达式获取标题和链接。（有文章说正则表达式效率可能更好，以后再验证）
代码如下：

$fp = fopen($xmlfile,'r');

if($fp)

{

$data = fread($fp,filesize($xmlfile));

fclose($fp);

preg_match_all(

"/<item><title>(.*?)<//title><link>(.*?)<//link>/i",$data,$out,PREG_SET_ORDER);

foreach($out as $key => $v)

{

$v[1] = iconv('gbk','utf-8',$v[1]);

echo "

<div class=/"newsline/">·<a title=/"$v[1]/" href=/"$v[2]/" target=/"_blank/">$v[1]</a></div>

";

}

}