|
|
下面先簡單說一下本文的主要內容：
一、 php抓取頁面的主要方法：
1. file()函數
2. file_get_contents()函數
3. fopen()->fread()->fclose()模式
4.curl方式
5. fsockopen()函數 socket模式
6. 使用插件(如：http://sourceforge.NET/projects/snoopy/)
二、php解析html或xml代碼主要方式：
1. 正則表達式
2. php DOMDocument對象
3. 插件(如：php Simple HTML DOM Parser)
如果你對以上內容已經很了解，以下內容可以飄過......
php抓取頁面
1. file()函數
復制代碼 代碼如下:
<?php
$url='http://t.qq.com';
$lines_array=file($url);
$lines_string=implode('',$lines_array);
echo htmlspecialchars($lines_string);
?>
2. file_get_contents()函數
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。
復制代碼 代碼如下:
<?php
$url='http://t.qq.com';
$lines_string=file_get_contents($url);
echo htmlspecialchars($lines_string);
?>
3. fopen()->fread()->fclose()模式
復制代碼 代碼如下:
<?php
$url='http://t.qq.com';
$handle=fopen($url,"rb");
$lines_string="";
do{
$data=fread($handle,1024);
if(strlen($data)==0){break;}
$lines_string.=$data;
}while(true);
fclose($handle);
echo htmlspecialchars($lines_string);
?>
4. curl方式
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。
復制代碼 代碼如下:
<?php
$url='http://t.qq.com';
$ch=curl_init();
$timeout=5;
curl_setopt($ch, CURLOPT_URL, $url);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
curl_setopt($ch, CURLOPT_CONNECTTIMEOUT, $timeout);
$lines_string=curl_exec($ch);
curl_close($ch);
echo htmlspecialchars($lines_string);
?>
5. fsockopen()函數 socket模式
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，比如我的本地php socket沒開啟http，只能使用udp測試一下了。
復制代碼 代碼如下:
<?php
$fp = fsockopen("udp://127.0.0.1", 13, $errno, $errstr);
if (!$fp) {
echo "ERROR: $errno - $errstr<br />/n";
} else {
fwrite($fp, "/n");
echo fread($fp, 26);
fclose($fp);
}
?>
6. 插件
網上應該有比較多的插件，snoopy插件是在網上搜到的，有興趣的可以研究一下。
php解析xml(html)
1. 正則表達式：
復制代碼 代碼如下:
<?php
$url='http://t.qq.com';
$lines_string=file_get_contents($url);
eregi('<title>(.*)</title>',$lines_string,$title);
echo htmlspecialchars($title[0]);
?>
2. php DOMDocument()對象
如果遠程的html或xml存在語法錯誤，php在解析dom的時候會報錯。
復制代碼 代碼如下:
<?php
$url='http://www.136web.cn';
$html=new DOMDocument();
$html->loadHTMLFile($url);
$title=$html->getElementsByTagName('title');
echo $title->item(0)->nodeValue;
?>
3. 插件
本文以php Simple HTML DOM Parser為例，進行簡單介紹，simple_html_dom的語法類似jQuery，它讓php操作dom，就像使用jQuery操作dom一樣的簡單。
復制代碼 代碼如下:
<?php
$url='http://t.qq.com';
include_once('../simplehtmldom/simple_html_dom.php');
$html=file_get_html($url);
$title=$html->find('title');
echo $title[0]->plaintext;
?>
當然中國人是富有創造性的，老外往往會在技術上領先，但中國人往往會在使用上更勝一籌，往往做出一些讓老外不敢想的功能，比如php的遠程抓取與分析，本來是為數據的整合提供方便。但國人很喜歡這個，于是乎大量的采集站，它們本身不創造任何有價值的內容，就是靠抓取別人的網站內容，并把它據為己有。在百度里輸入“php小”關鍵詞，suggest列表第一個就是“php小偷程序”，然后把同樣的關鍵詞放入google，哥只能笑而不語。
php技術：php抓取頁面與代碼解析 推薦，轉載需保留來源！
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。
