<?php
function get_url_content($Url,$Method = 'c') {
//引入需要的語言編碼.如果沒有, 就會默認為utf-8,不必擔心.
global $Charset;
$Urlarr = parse_url($Url);
//如果檢測不出域名,就返回.
if (!isset($Urlarr['host'])) {
return false;
}
//我們用智能方式定義header頭倍信息.
foreach (@getallheaders() as $key => $val){
$key==='Host' && $val = $Urlarr['host'];
$key==='Referer' && $val ='http://'.$Urlarr['host'];
$str .= "'$key:$val', /n";
}
//虛擬來路.
!eregi('Referer',$str) && $str .="'Referer:http://{$Urlarr['host']}', /n";
//經過修正, 基本上, 來路也是那個站, 主機也是Url站點.
$Header = array(trim($str));
//下面僅僅是選擇用哪個程序來采集.
if($Method === 'f'&&function_exists('file_get_contents')) {
$opts = array(
'http'=>array(
'method'=>"GET",
'header'=>$Header,
)
);
$cxContext = stream_context_create($opts);
$file_contents = @file_get_contents($Url, false, $cxContext);
} elseif ($Method === 'c'&&function_exists('curl_init')) {
$Ch = curl_init();
$Timeout = 5;
curl_setopt($Ch,CURLOPT_HTTPHEADER,$Header);
curl_setopt ($Ch, CURLOPT_URL, $Url);
curl_setopt ($Ch, CURLOPT_RETURNTRANSFER,1);
curl_setopt ($Ch, CURLOPT_CONNECTTIMEOUT, $Timeout);
$file_contents = curl_exec($Ch);
curl_close($Ch);
}
//為了讓樣式顯示得漂亮,我們給它加一句目標引向.
$file_contents = str_replace('</title>',"</title>/n<base href=/"http://{$Urlarr['host']}//" />",$file_contents);
//處理最常見的幾種編碼, 如果目標網站沒有編碼, 就默認為GBK
! function_exists('mb_convert_encoding') && $file_contents = mb_convert_encoding($file_contents,empty($Charset)?'UTF-8':$Charset,$lang[1]);
//注銷部分代碼;
unset($Url,$lang,$Timeout,$Urlarr,$Charset);
return $file_contents;
}
//測試開始 測試用file_get_contents方式
HEADER("CONTENT-TYPE:TEXT/HTML; CHARSET=UTF-8");
//http://www.xtzj.com/read-htm-tid-347550.html 這是采集不到.
$file = get_url_content(");
$file = str$link = $link[1];
//我們來模擬獲得數據. 自己更換數字.0-151 下面是用curl方式
$x = 10;
$file = get_url_content($link[$x]);
echo $file;
?>
全部寫上說明, 注釋..
有不明白的回復.. 我來給采集普及一下知識.
原文地址:http://bbs.phpchina.com/viewthread.php?tid=99263
新聞熱點
疑難解答