php curl抓取網頁的介紹和推廣及使用CURL抓取淘寶頁面集成方法

php的curl可以用來實現抓取網頁，分析網頁數據用，簡潔易用，這里介紹其函數等就不詳細描述，放上代碼看看:

只保留了其中幾個主要的函數。實現模擬登陸，其中可能涉及到session捕獲，然后前后頁面涉及參數提供形式。

　　libcurl主要功能就是用不同的協議連接和溝通不同的服務器~也就是相當封裝了的sock

　　PHP 支持libcurl(允許你用不同的協議連接和溝通不同的服務器)。, libcurl當前支持http, https, ftp, gopher, telnet, dict, file, 和ldap 協議。libcurl同樣支持HTTPS證書授權，HTTP POST, HTTP PUT, FTP 上傳(當然你也可以使用PHP的ftp擴展), HTTP基本表單上傳，代理，cookies,和用戶認證。

　　為了使用CURL函數你需要安裝CURL包。PHP 需要你使用CURL 7.0.2-beta或更高版。如果CURL的版本低于7.0.2-beta，PHP將不工作。

　　要使用PHP的CURL支持，你必須用帶有--with-curl[=DIR]參數重新編譯PHP(DIR是包含庫和頭文件的目錄)。

　　這些函數是在PHP 4.0.2中新增得。

　　一旦你編譯了帶有CURL支持的PHP，你可以使用curl函數?；舅悸肥牵耗闶褂胏url_init()函數初始化 CURL會話，而后你可以設置你的所有選項，通過curl_exec()函數執行，最后你可以作用curl_close()函數來結束你的會話。以下是一個例子：是把PHP的主頁取回放到一個文件中。

　　例 1. 使用PHP的CURL模塊取回PHP主頁

$ch = curl_init ("http://www.php.net/");　　$fp = fopen ("php_homepage.txt", "w");　　curl_setopt ($ch, CURLOPT_FILE, $fp);　　curl_setopt ($ch, CURLOPT_HEADER, 0);　　curl_exec ($ch);　　curl_close ($ch);　　fclose ($fp);　　?>

　　目錄列表

　　curl_init — 初始化一個CURL會話

　　curl_setopt — 為CURL調用設置一個選項

　　curl_exec — 執行一個CURL會話

　　curl_close — 關閉一個CURL會話

　　curl_version — 返回當前CURL版本

　　* curl擴展的安裝

　　PHP已經內置有php_curl.dll,在ext目錄下,此DLL用于支持SSL和zlib.

　　在php.ini中找到有extension=php_curl.dll, 去掉前面的注釋.

　　設置extension_dir=你的php的ext目錄（例如c:/php/ext）

　　把ext目錄下的libeay32.dll, ssleay32.dll, php5ts.dll, php_curl.dll 都拷貝到system32目錄下，重啟apache即可。

　　curl_init

　　curl_init -- 初始化一個CURL會話

　　描述

int curl_init ([string url])

　　curl_init()函數將初始化一個新的會話，返回一個CURL句柄供curl_setopt(), curl_exec(),和 curl_close() 函數使用。如果可選參數被提供，那么CURLOPT_URL選項將被設置成這個參數的值。你可以使用curl_setopt()函數人工設置。

　　例 1. 初始化一個新的CURL會話，且取回一個網頁

$ch = curl_init();　　curl_setopt ($ch, CURLOPT_URL, "http://www.zend.com/");　　curl_setopt ($ch, CURLOPT_HEADER, 0);　　curl_exec ($ch);　　curl_close ($ch);　　?>

　　參見：curl_close(), curl_setopt()

　　* curl_setopt

　　curl_setopt -- 為CURL調用設置一個選項

　　描述　

　bool curl_setopt (int ch, string option, mixed value)

　　curl_setopt()函數將為一個CURL會話設置選項。option參數是你想要的設置，value是這個選項給定的值。

　　下列選項的值將被作為長整形使用(在option參數中指定)：

　　CURLOPT_INFILESIZE: 當你上傳一個文件到遠程站點，這個選項告訴PHP你上傳文件的大小。

　　CURLOPT_VERBOSE: 如果你想CURL報告每一件意外的事情，設置這個選項為一個非零值。

　　CURLOPT_HEADER: 如果你想把一個頭包含在輸出中，設置這個選項為一個非零值。

　　CURLOPT_NOPROGRESS: 如果你不會PHP為CURL傳輸顯示一個進程條，設置這個選項為一個非零值。

　　注意：PHP自動設置這個選項為非零值，你應該僅僅為了調試的目的來改變這個選項。

　　CURLOPT_NOBODY: 如果你不想在輸出中包含body部分，設置這個選項為一個非零值。

　　CURLOPT_FAILONERROR: 如果你想讓PHP在發生錯誤(HTTP代碼返回大于等于300)時，不顯示，設置這個選項為一人非零值。默認行為是返回一個正常頁，忽略代碼。

　　CURLOPT_UPLOAD: 如果你想讓PHP為上傳做準備，設置這個選項為一個非零值。

　　CURLOPT_POST: 如果你想PHP去做一個正規的HTTP POST，設置這個選項為一個非零值。這個POST是普通的 application/x-www-from-urlencoded 類型，多數被HTML表單使用。

　　CURLOPT_FTPLISTONLY: 設置這個選項為非零值，PHP將列出FTP的目錄名列表。

　　CURLOPT_FTPAPPEND: 設置這個選項為一個非零值，PHP將應用遠程文件代替覆蓋它。

　　CURLOPT_NETRC: 設置這個選項為一個非零值，PHP將在你的 ~./netrc 文件中查找你要建立連接的遠程站點的用戶名及密碼。

　　CURLOPT_FOLLOWLOCATION: 設置這個選項為一個非零值(象 "Location: ")的頭，服務器會把它當做HTTP頭的一部分發送(注意這是遞歸的，PHP將發送形如 "Location: "的頭)。

　　CURLOPT_PUT: 設置這個選項為一個非零值去用HTTP上傳一個文件。要上傳這個文件必須設置CURLOPT_INFILE和CURLOPT_INFILESIZE選項.

　　CURLOPT_MUTE: 設置這個選項為一個非零值，PHP對于CURL函數將完全沉默。

　　CURLOPT_TIMEOUT: 設置一個長整形數，作為最大延續多少秒。

　　CURLOPT_LOW_SPEED_LIMIT: 設置一個長整形數，控制傳送多少字節。

　　CURLOPT_LOW_SPEED_TIME: 設置一個長整形數，控制多少秒傳送CURLOPT_LOW_SPEED_LIMIT規定的字節數。

　　CURLOPT_RESUME_FROM: 傳遞一個包含字節偏移地址的長整形參數，(你想轉移到的開始表單)。

　　CURLOPT_SSLVERSION: 傳遞一個包含SSL版本的長參數。默認PHP將被它自己努力的確定，在更多的安全中你必須手工設置。

　　CURLOPT_TIMECONDITION: 傳遞一個長參數，指定怎么處理CURLOPT_TIMEVALUE參數。你可以設置這個參數為TIMECOND_IFMODSINCE 或 TIMECOND_ISUNMODSINCE。這僅用于HTTP。

　　CURLOPT_TIMEVALUE: 傳遞一個從1970-1-1開始到現在的秒數。這個時間將被CURLOPT_TIMEVALUE選項作為指定值使用，或被默認TIMECOND_IFMODSINCE使用。

　　下列選項的值將被作為字符串：

　　CURLOPT_URL: 這是你想用PHP取回的URL地址。你也可以在用curl_init()函數初始化時設置這個選項。

　　CURLOPT_USERPWD: 傳遞一個形如[username]:[password]風格的字符串,作用PHP去連接。

　　CURLOPT_PROXYUSERPWD: 傳遞一個形如[username]:[password] 格式的字符串去連接HTTP代理。

　　CURLOPT_RANGE: 傳遞一個你想指定的范圍。它應該是"X-Y"格式，X或Y是被除外的。HTTP傳送同樣支持幾個間隔，用逗句來分隔(X-Y,N-M)。

　　CURLOPT_POSTFIELDS: 傳遞一個作為HTTP “POST”操作的所有數據的字符串。

　　CURLOPT_REFERER: 在HTTP請求中包含一個"referer"頭的字符串。

　　CURLOPT_USERAGENT: 在HTTP請求中包含一個"user-agent"頭的字符串。

　　CURLOPT_FTPPORT: 傳遞一個包含被ftp "POST"指令使用的IP地址。這個POST指令告訴遠程服務器去連接我們指定的IP地址。這個字符串可以是一個IP地址，一個主機名，一個網絡界面名(在UNIX下)，或是'-'(使用系統默認IP地址)。

　　CURLOPT_COOKIE: 傳遞一個包含HTTP cookie的頭連接。

　　CURLOPT_SSLCERT: 傳遞一個包含PEM格式證書的字符串。

　　CURLOPT_SSLCERTPASSWD: 傳遞一個包含使用CURLOPT_SSLCERT證書必需的密碼。

　　CURLOPT_COOKIEFILE: 傳遞一個包含cookie數據的文件的名字的字符串。這個cookie文件可以是Netscape格式，或是堆存在文件中的HTTP風格的頭。

　　CURLOPT_CUSTOMREQUEST: 當進行HTTP請求時，傳遞一個字符被GET或HEAD使用。為進行DELETE或其它操作是有益的，更Pass a string to be used instead of GET or HEAD when doing an HTTP request. This is useful for doing or another, more obscure, HTTP request.

　　注意: 在確認你的服務器支持命令先不要去這樣做。

　　下列的選項要求一個文件描述(通過使用fopen()函數獲得)：

　　CURLOPT_FILE: 這個文件將是你放置傳送的輸出文件，默認是STDOUT.

　　CURLOPT_INFILE: 這個文件是你傳送過來的輸入文件。

　　CURLOPT_WRITEHEADER: 這個文件寫有你輸出的頭部分。

　　CURLOPT_STDERR: 這個文件寫有錯誤而不是stderr。

　　* curl_exec

　　curl_exec -- 執行一個CURL會話

　　描述

　　bool curl_exec (int ch)

　　在你初始化一個CURL會話，及為這個會話設置了所有的選項后，這個函數將被調用。它的目的僅僅是執行預先確定的CURL會話(通過給定的ch參數)。

　　* curl_close

　　curl_close -- 關閉一個CURL會話

　　描述

　　void curl_close (int ch)

　　這個函數關閉一個CURL會話，并且釋放所有的資源。CURL句柄(ch參數)也被刪除。

　　* curl_version

　　curl_version -- 返回當前CURL版本

　　描述

　　string curl_version (void)

curl_version()函數返回一個包含CURL版本的字符串。

<?php class MultiHttpRequest{   public $urls = array();   public $curlopt_header = 0;   public $cookie_file = '';   public $collect_save_file = '';   public $start_timestamp = '';   public $end_timestamp = '';   private $log_handle = '';   private $collect_save_handle = '';   private $db_conn = false;   private $pre_break_goods_id = ''; //上一次強制退出的id   private $per_break_brand_id = ''; //上一次更新到的brand_id   private $main_log_id = '';    //本次更新的主表日志id   private $start_time = '';   public $login_session = '';   public $date_char = '';   private $mode = '';   private $sql_log_handle = '';   function __construct($upgrade_date='', $force_upt=false)   {      $this->mysql_init();        }     private function mysql_init(){     $db_name = 'dbname';     $db_user = 'name';     $db_pass = 'pass';     $db_host = 'localhost';     $db_conn = mysql_connect($db_host, $db_user, $db_pass) ;     if(!$db_conn){       echo '數據庫連接失敗!';       exit;     }     $this->db_conn = $db_conn;     mysql_select_db($db_name);   }   public function init_login(){     //第一步模擬登陸     $target_url = 'http://www.test.com/login.jsp';     //post 提交的數據     $post_fields = array(     'username'  => '卓雅秀淘寶',     'password'  => 'joarshow.taobao.com',     't_url'    => '',     'Submit2'  => ' 登 錄 '     );     //保存登陸的cookie     $cookie_file = dirname(__FILE__).'/cookie_'.time().'.txt';     $this->cookie_file = $cookie_file;     //存cookie     $ch = curl_init($target_url);     curl_setopt($ch, CURLOPT_HEADER, 1);     //   curl_setopt($ch, CURLOPT_COOKIESESSION, 1);     curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);     curl_setopt($ch, CURLOPT_POST, 1);     curl_setopt($ch, CURLOPT_POSTFIELDS, $post_fields);     curl_setopt($ch, CURLOPT_COOKIEJAR, $cookie_file);     $login_contents = curl_exec($ch);     curl_close($ch);   }   /**    * 測試    *    * @param unknown_type $test_url    */   public function get_one_file($test_url){     $ch = curl_init($test_url);     curl_setopt($ch, CURLOPT_HEADER, 0);     curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);     curl_setopt($ch,CURLOPT_COOKIE, $this->login_session);     curl_setopt($ch, CURLOPT_REFERER, 'http://www.test.com/welcome.shtml');     curl_setopt($ch, CURLOPT_USERAGENT, 'Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.2; SV1; .NET CLR 1.1.4322; .NET CLR 2.0.50727; .NET CLR 3.0.4506.2152; .NET CLR 3.5.30729)');     $contents = curl_exec($ch);     curl_close($ch);     return $contents;   }   public function point_url_brand($url){     $ch = curl_init($url);     curl_setopt($ch, CURLOPT_HEADER, 0);     curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);     curl_setopt($ch,CURLOPT_COOKIE, $this->login_session);     curl_setopt($ch, CURLOPT_REFERER, 'http://www.test.com/product.shtml');     curl_setopt($ch, CURLOPT_USERAGENT, 'Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.2; SV1; .NET CLR 1.1.4322; .NET CLR 2.0.50727; .NET CLR 3.0.4506.2152; .NET CLR 3.5.30729)');     $contents = curl_exec($ch);     //   echo htmlspecialchars($contents);exit;     curl_close($ch);     return $contents;   } }

使用CURL抓取淘寶頁面集成方法

代碼如下：

 /**   * 根據地址抓取淘寶頁面html代碼   * @param type $url 地址   * @return boolean   */  public function getTaoBaoHtml($url) {    if (empty($url)) {      return false;    }    $ch = curl_init();    // 設置 url    curl_setopt($ch, CURLOPT_URL, $url);    // 設置瀏覽器的特定header    curl_setopt($ch, CURLOPT_HTTPHEADER, array(      "User-Agent: {Mozilla/5.0 (Windows NT 6.1; WOW64; rv:26.0) Gecko/20100101 Firefox/26.0}",      "Accept: {text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8}",      "Accept-Language: {zh-cn,zh;q=0.8,en-us;q=0.5,en;q=0.3}",      "Cookie:{cq=ccp%3D1; cna=a7suCzOmSTECAXgg9iCf4AtX; t=671b2069c7e8ac444da66d664a397a5f; tracknick=%5Cu4F0D%5Cu6653%5Cu8F8901; _tb_token_=nDiU1vCuzFd0; cookie2=c54709ffbe04a5ccb80283c34d6b00fa; pnm_cku822=128WsMPac%2FFS4KgNn%2BYfhzduo4U2NC0zh9cAS4%3D%7CWUCLjKhqr873bOIFQcMecSw%3D%7CWMEKRlV%2B3D9a6XWaidNWNQOSWXwaXugvQHzhxALh%7CX0YLbX78NUR2b2DHoxnIqZENQqR35TBZbfQ5vooI0b6GHZA3U1kr%7CXkdILogCr878ZK9I%2B%2FE3QjAD3lFJJaAZRA%3D%3D%7CXUeMwMR2s%2BTUQk8IPP5TNgWfUjQwonccMCxihTa0fRYgtjgfa4j6%7CXMYK7F8liOvH3hMUpzXkiaU%2FJw%3D%3D}",    ));    // 頁面內容我們并不需要    curl_setopt($ch, CURLOPT_NOBODY, 0);    // 只需返回HTTP header    curl_setopt($ch, CURLOPT_HEADER, 0);    // 返回結果，而不是輸出它    //curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);    curl_setopt($ch, CURLOPT_FOLLOWLOCATION, 1);    ob_start();    curl_exec($ch);    $html = ob_get_contents();    ob_end_clean();    curl_close($ch);    return $html;  }