PHP如何實現爬取網頁的功能

2020-03-22 17:52:43

字體：大中小

來源：轉載

供稿：網友

本篇文章給大家分享的是關于PHP如何實現爬取網頁的功能，內容很不錯，有需要的朋友可以參考一下，希望可以幫助到大家。

主要流程就是獲取整個網頁，然后正則匹配（關鍵的）。

PHP抓取頁面的主要方法,有幾種方法是網上前輩的經驗，現在還沒有用到的，先存下來以后試試。

1.file()函數

2.file_get_contents()函數

3.fopen()- fread()- fclose()模式

4.curl方式（本人主要用這個）

5.fsockopen()函數 socket模式

6.插件(如：http://sourceforge.net/projects/snoopy/)

7.file()函數

 ?php//定義url$url= [http://t.qq.com](http://t.qq.com/) //fiel函數讀取內容數組$lines_array=file($url);//拆分數組為字符串$lines_string=implode( ,$lines_array);//輸出內容echo $lines_string;

2.使用file_get_contents方法實現，比較簡單。

使用file_get_contents和fopen必須空間開啟allow_url_fopen。方法：編輯php.ini，設置 allow_url_fopen = On，allow_url_fopen關閉時fopen和file_get_contents都不能打開遠程文件。

$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);//如果出現中文亂碼使用下面代碼`//$getcontent = iconv( gb2312 , utf-8 ,$html);echo textarea >
3.fopen()- fread()- fclose()模式 ，目前還沒用過，看到了就先記下了
 ?php//定義url$url= [http://t.qq.com](http://t.qq.com/) //fopen以二進制方式打開 $handle=fopen($url, rb //變量初始化$lines_string= //循環讀取數據$data=fread($handle,1024); if(strlen($data)==0) {`break; $lines_string.=$data;}while(true);//關閉fopen句柄，釋放資源fclose($handle);//輸出內容echo $lines_string;
4.使用curl實現（本人一般使用這個）。
使用curl必須空間開啟curl。方法：windows下修改php.ini，將extension=php_curl.dll前面的分號去掉，而且需 要拷貝ssleay32.dll和libeay32.dll到C:/WINDOWS/system32下；Linux下要安裝curl擴展。
 ?phpheader( Content-Type: text/html;charset=utf-8 date_default_timezone_set( PRC $url = http://***********ycare //要爬取的網址$res = curl_get_contents($url);//curl封裝方法preg_match_all( / script (.*?) //script / ,$res,$arr_all);//這個網頁中數據通過js包過來，所以直接抓js就可以preg_match_all( / id /: (.*?) ,/ ,$arr_all[1][1],$arr1);//從js塊中匹配要的數據$list = array_unique($arr1[1]);//（可省）保證不重復//以下則是同理，循環則可for($i=0;$i $i=$i+2){ $detail_url = ht*****em/ .$list[$i]; $detail_res = curl_get_contents($detail_url); preg_match_all( / script (.*?) //script / ,$detail_res,$arr_detail); preg_match( / desc /: (.*?) ,/ ,$arr_detail[1][1],$arr_content); $ret=curl_post( http://**********cms.php ,$result);//此腳本未放在服務器上，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) == http:// ? 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數據到服務器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 $output; ? 
5.fsockopen()函數 socket模式（沒用過，以后可以試試）
socket模式能否正確執行，也跟服務器的設置有關系，具體可以通過phpinfo查看服務器開啟了哪些通信協議
 ?php$fp = fsockopen( t.qq.com , 80, $errno, $errstr, 30);if (!$fp) { echo $errstr ($errno) br / /n } else { $out = GET / HTTP/1.1/r/n  $out .= Host: t.qq.com/r/n  $out .= Connection: Close/r/n/r/n  fwrite($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，推薦大家使用
使用網上非常流行的snoopy來進行采集，這是一個非常強大的采集插件，并且它的使用非常方便，你也可以在里面設置agent來模擬瀏覽器信息。
說明：設置agent是在 Snoopy.class.php 文件的第45行，請在該文件中搜索 “var 公式輸入有誤_SERVER[ HTTP_USER_AGENT 可以得到瀏覽器信息，將echo出來的內容復制到agent里面就可以了。
 ?php//引入snoopy的類文件require( Snoopy.class.php //初始化snoopy類$snoopy=new Snoopy;$url= [http://t.qq.com](http://t.qq.com/) //開始采集內容`$snoopy- fetch($url);//保存采集內容到$lines_string$lines_string=$snoopy- results;//輸出內容，嘿嘿，大家也可以保存在自己的服務器上echo $lines_string;
相關推薦：
PHP中生成器和協程是如何實現的
PHP如何實現單文件和多文件上傳 ？又如何通過封裝和面向對象實現文件上傳
以上就是PHP如何實現爬取網頁的功能的詳細內容，PHP教程        
鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播更多信息之目的，如作者信息標記有誤，請第一時間聯系我們修改或刪除，多謝。