Robot que me busque noticias

[lamek]

Hola a todos.

Estoy intentando hacer una especie de Spider/Robot el cual al darle una url y identificar cada div en el que este el titulo de la noticia, la url de imagen, el cuerpo... y que las recorra es decir, si hay un indice de noticias, que entre coja informacion vuelva a atrás y comience con el siguiente.

Seria muy complicado?

Estoy intentandolo con file_get_contents

Saludos.

[pateketrueke]

¿Y no es mas sencillo leer las fuentes RSS de un sitio de noticias?

Lo digo porque para eso existe dicho formato, no necesitar hacer scrapping.

[lamek]

Esque al sitio donde las tengo que coger no tiene RSS, y ese es un problema.

Necesito hacerlo para no meterlas una a una, lo hice en su día pero esque la BD cayo tan bajo que no recuperé nada, y las copias de seguridad estaban un poco antiguas.


Saludos.