金沙8331网址:PHP抓取页面包车型地铁几种办法,爬取网页的显要措施_php实例_脚本之家

主要流程就是获取整个网页,然后正则匹配。

我们在开发网络程序时,往往需要抓取非本地文件,一般情况下都是利用php模拟浏览器的访问,通过http请求访问url地址,
然后得到html源代码或者xml数据,得到数据我们不能直接输出,往往需要对内容进行提取,然后再进行格式化,以更加友好的方式显现出来。

PHP抓取页面的主要方法,有几种方法是网上前辈的经验,现在还没有用到的,先存下来以后试试。

下面简单说一下php抓取页面的几种方法及原理:

2.file_金沙8331网址:PHP抓取页面包车型地铁几种办法,爬取网页的显要措施_php实例_脚本之家。get_contents->fread模式

一、 PHP抓取页面的主要方法:

5.fsockopen()函数 socket模式

  • 金沙8331网址,file()函数
  • file_get_contents()函数
  • fopen()->fread()->fclose()模式
  • curl方式
  • fsockopen()函数 socket模式
  • 使用插件(如:http://sourceforge.net/projects/snoopy/)

6.插件(如:)

二、PHP解析html或xml代码主要方式:

2.使用file_get_contents方法实现,比较简单。使用file_get_contents和fopen必须空间开启allow_url_fopen。方法:编辑php.ini,设置 allow_url_fopen = On,allow_url_fopen关闭时fopen和file_get_contents都不能打开远程文件。$url="[http://news.sina.com.cn/c/nd/2016-10-23/doc-ifxwztru6951143.shtml](http://news.sina.com.cn/c/nd/2016-10-23/doc-ifxwztru6951143.shtml)";$html=file_get_contents;//如果出现中文乱码使用下面代码`//$getcontent = iconv("gb2312", "utf-8",$html);echo"".$html."";

file()函数

3.fopen模式 ,目前还没用过,看到了就先记下了

<?php
// 定义url
$url = 'http://t.qq.com';
// fiel函数读取内容数组
$lines_array = file($url);
// 拆分数组为字符串 
$lines_string = implode('',$lines_array);
// 输出内容,嘿嘿,大家也可以保存在自己的服务器上
echo $lines_string;
4.使用curl实现。使用curl必须空间开启curl。方法:windows下修改php.ini,将extension=php_curl.dll前面的分号去掉,而且需 要拷贝ssleay32.dll和libeay32.dll到C:WINDOWSsystem32下;Linux下要安装curl扩展。/',$res,$arr_all);//这个网页中数据通过js包过来,所以直接抓js就可以preg_match_all",/',$arr_all[1][1],$arr1);//从js块中匹配要的数据$list = array_unique保证不重复//以下则是同理,循环则可for{ $detail_url = 'ht*****em/'.$list[$i]; $detail_res = curl_get_contents; preg_match_all/',$detail_res,$arr_detail); preg_match",/',$arr_detail[1][1],$arr_content); *** *** *** $ret=curl_post('http://**********cms.php',$result);//此脚本未放在服务器上,原因大家懂就好哈。}function curl_get_contents($url,$cookie='',$referer='',$timeout=300,$ishead=0) { $curl = curl_init(); curl_setopt($curl, CURLOPT_RETURNTRANSFER,1); curl_setopt($curl, CURLOPT_FOLLOWLOCATION,1); curl_setopt($curl, CURLOPT_URL,$url); curl_setopt($curl, CURLOPT_TIMEOUT,$timeout); curl_setopt($curl, CURLOPT_USERAGENT,'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36  Chrome/65.0.3325.181 Safari/537.36'); if { curl_setopt( $curl, CURLOPT_COOKIE,$cookie); } if { curl_setopt ($curl,CURLOPT_REFERER,$referer); } $ssl = substr == "https://" ? TRUE : FALSE; if  { curl_setopt($curl, CURLOPT_SSL_VERIFYHOST, false); curl_setopt($curl, CURLOPT_SSL_VERIFYPEER, false); } $res = curl_exec; return $res; curl_close;}//curl post数据到服务器function curl_post{ $ch = curl_init(); curl_setopt($ch,CURLOPT_RETURNTRANSFER,1); //curl_setopt($ch,CURLOPT_FOLLOWLOCATION, 1); curl_setopt($ch, CURLOPT_SSL_VERIFYPEER, FALSE); curl_setopt($ch,CURLOPT_USERAGENT,'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36  Chrome/65.0.3325.181 Safari/537.36'); curl_setopt; curl_setopt($ch,CURLOPT_POST,true); curl_setopt($ch,CURLOPT_POSTFIELDS,$data); $output = curl_exec; return $output; }?>

** file_get_contents()函数**

5.fsockopen()函数 socket模式

使用file_get_contents和fopen必须空间开启allow_url_fopen。
方法:编辑php.ini,设置 allow_url_fopen =
On,allow_url_fopen关闭时fopen和file_get_contents都不能打开远程文件。

socket模式能否正确执行,也跟服务器的设置有关系,具体可以通过phpinfo查看服务器开启了哪些通信协议

<?php
//定义url
$url = 'http://t.qq.com';
//file_get_contents函数远程读取数据
$lines_string = file_get_contents($url);
//输出内容,嘿嘿,大家也可以保存在自己的服务器上
echo htmlspecialchars($lines_string);
n";} else { $out = "GET / HTTP/1.1rn"; $out .= "Host: t.qq.comrn"; $out .= "Connection: Closernrn"; fwrite; while  { echo fgets; } fclose;}

fopen()->fread()->fclose()模式

6.snoopy插件,最新版本是Snoopy-1.2.4.zip Last Update:
2013-05-30,推荐大家使用

<?php
//定义url
$url = 'http://t.qq.com';
//fopen以二进制方式打开   
$handle = fopen($url,"rb");
//变量初始化
$lines_string = "";
//循环读取数据
do{     
    $data = fread($handle,1024);     
    if(strlen($data)==0) {
        break;   
    }     

    $lines_string .= $data;
}  
while(true);
//关闭fopen句柄,释放资源
fclose($handle);
//输出内容,嘿嘿,大家也可以保存在自己的服务器上
echo  $lines_string;

使用网上非常流行的snoopy来进行采集,这是一个非常强大的采集插件,并且它的使用非常方便,你也可以在里面设置agent来模拟浏览器信息。

curl方式

说明:设置agent是在 Snoopy.class.php 文件的第45行,请在该文件中搜索 “var
公式输入有误_SERVER[‘HTTP_USER_AGENT’];
可以得到浏览器信息,将echo出来的内容复制到agent里面就可以了。

使用curl必须空间开启curl。
方法:windows下修改php.ini,将extension=php_curl.dll前面的分号去掉,而且需
要拷贝ssleay32.dll和libeay32.dll到C:WINDOWSsystem32下;Linux下要安装curl扩展。

fetch;//保存采集内容到$lines_string$lines_string=$snoopy->results;//输出内容,嘿嘿,大家也可以保存在自己的服务器上echo $lines_string;
<?php
// 创建一个新cURL资源
$url = 'http://t.qq.com';
$ch = curl_init();
$timeout = 5;

// 设置URL和相应的选项
curl_setopt($ch, CURLOPT_URL, $url);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
curl_setopt($ch, CURLOPT_CONNECTTIMEOUT, $timeout);

// 抓取URL
$lines_string = curl_exec($ch);

// 关闭cURL资源,并且释放系统资源
curl_close($ch);

//输出内容,嘿嘿,大家也可以保存在自己的服务器上
echo $lines_string;

总结

fsockopen()函数 socket模式

以上所述是小编给大家介绍的PHP
爬取网页的主要方法,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对脚本之家网站的支持!

socket模式能否正确执行,也跟服务器的设置有关系,具体可以通过phpinfo查看服务器开启了哪些通信协议。

<?php

$fp= fsockopen("t.qq.com", 80, $errno, $errstr, 30);
if(!$fp) {
    echo "$errstr ($errno)<br />n";
} else {
    $out = "GET / HTTP/1.1rn";
    $out .= "Host: t.qq.comrn";
    $out .= "Connection: Closernrn";

    fwrite($fp, $out);

    while (!feof($fp)) {
        echo fgets($fp, 128);
    }

    fclose($fp);
}

snoopy插件,最新版本是Snoopy-1.2.4.zip Last Update:
2013-05-30,推荐大家使用

使用网上非常流行的snoopy来进行采集,这是一个非常强大的采集插件,并且它的使用非常方便,你也可以在里面设置agent来模拟浏览器信息。

<?php
//引入snoopy的类文件
require('Snoopy.class.php');

//初始化snoopy类
$snoopy = new Snoopy;
$url = "http://t.qq.com";

//开始采集内容
$snoopy->fetch($url);

//保存采集内容到$lines_string
$lines_string = $snoopy->results;

//输出内容,嘿嘿,大家也可以保存在自己的服务器上
echo $lines_string;

说明:设置agent是在 Snoopy.class.php 文件的第45行,请在该文件中搜索 “var
$agent” (引号中的内容)。浏览器内容你可以使用PHP来获得,使用 echo
$_SERVER[‘HTTP_USER_AGENT’];
可以得到浏览器信息,将echo出来的内容复制到agent里面就可以了。

相关文章

发表评论

电子邮件地址不会被公开。 必填项已用*标注