掌握PHP 爬取网页的主要方法
主要流程就是获取整个网页,然后正则匹配(关键的)。
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。
1.file()函数
2.file_get_contents()函数
3.fopen()->fread()->fclose()模式
4.curl方式 (本人主要用这个)
5.fsockopen()函数 socket模式
6.插件(如:http://sourceforge.net/projects/snoopy/)
7.file()函数
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)"; $html=file_get_contents($url); //如果出现中文乱码使用下面代码` //$getcontent = iconv("gb2312", "utf-8",$html); echo"<textarea style='width:800px;height:600px;'>".$html."area>";
3.fopen()->fread()->fclose()
模式 ,目前还没用过,看到了就先记下了
4.使用curl实现(本人一般使用这个)。
使用curl必须空间开启curl。方法:windows下修改php.ini,将extension=php_curl.dll前面的分号去掉,而且需 要拷贝ssleay32.dll和libeay32.dll到C:WINDOWSsystem32下;Linux下要安装curl扩展。
ntents($url);//curl封装方法 preg_match_all('/<script>(.*?)cript>/',$res,$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('/"id":"(.*?)",/',$arr_all[1][1],$arr1);//从js块中匹配要的数据 $list = array_unique($arr1[1]);//(可省)保证不重复 //以下则是同理,循环则可 for($i=0;$i<=6;$i=$i+2){ $detail_url = 'ht*****em/'.$list[$i]; $detail_res = curl_get_contents($detail_url); preg_match_all('/<script>(.*?)cript>/',$detail_res,$arr_detail); preg_match('/"desc":"(.*?)",/',$arr_detail[1][1],$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 (KHTML, like Gecko) Chrome/65.0.3325.181 Safari/537.36'); if($cookie) { curl_setopt( $curl, CURLOPT_cookie,$cookie); } if($referer) { curl_setopt ($curl,CURLOPT_REFERER,$referer); } $ssl = substr($url, 0, 8) == "https://" ? TRUE : FALSE; if ($ssl) { curl_setopt($curl, CURLOPT_SSL_VERIFYHOST, false); curl_setopt($curl, CURLOPT_SSL_VERIFYPEER, false); } $res = curl_exec($curl); return $res; curl_close($curl); } //curl post数据到服务器 function curl_post($url,$data){ $ch = curl_init(); curl_setopt($ch,CURLOPT_RETURNTRANSFER,1); //curl_setopt($ch,CURLOPT_FOLLOWLOCATION, 1); curl_setopt($ch, CURLOPT_SSL_VERIFYPEER, FALSE); curl_setopt($ch,CURLOPT_USERAGENT,'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.181 Safari/537.36'); curl_setopt($ch,CURLOPT_URL,$url); curl_setopt($ch,CURLOPT_POST,true); curl_setopt($ch,CURLOPT_POSTFIELDS,$data); $output = curl_exec($ch); curl_close($ch); return $output; } ?>
5.fsockopen()
函数 socket模式(没用过,以后可以试试)
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
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); }
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
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。
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。
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;
以上就是掌握PHP 爬取网页的主要方法的详细内容,更多请关注考高分网其它相关文章!
相关文章
- php替换字符串中,PHP 替换字符串中的一些字符方法介绍
- 微信授权网页扫码登录php,PHP实现微信开放平台扫码登录源码
- php网页运行不出来_phpstudy启动后就停止
- PHP判断百度是否收录网站网页
- PHP与MySQL无缝对接,构建强大数据库应用(php整合mysql)
- 探索Linux下查看PHP扩展的奥秘(linux查看php扩展)
- Linux切换PHP版本:快速而安全的方法(linux切换php版本)
- 加速Linux驱动下的PHP后端性能提升(linux让php后台)
- 数据库远程连接MySQL数据库:利用PHP实现简易方法(php远程mysql)
- 快速安装配置PHP在Linux系统上(php安装配置linux)
- Redis实现长连接:PHP开发入门(redis长连接php)
- PHP连接MSSQL库的方法(php链接mssql)
- PHPLinux实现网页服务:PHP篇(linux运行网页)
- PHP实现Redis监控的简便方法(php监控redis)
- 安装Linux实现一键安装PHP环境(linux一键php)
- 如何使用PHP重启Linux服务:简易教程(php重启linux服务)
- PHP连接MSSQL数据库的方法和步骤(php如何连接mssql)
- PHP读取MSSQL数据库:实现简单快捷的网页查询(php读取mssql网页)
- PHP连接MSSQL数据库发生错误解决方法(php mssql 错误)
- 用PHP进行MySQL功能测试(php 测试mysql)
- 用PHP实现WEB动态网页静态
- PHP多线程抓取网页实现代码
- PHP学习笔记之二php入门知识
- 不重新编译PHP为php增加openssl模块的方法