一区二区久久-一区二区三区www-一区二区三区久久-一区二区三区久久精品-麻豆国产一区二区在线观看-麻豆国产视频

php file_get_contents抓取Gzip網(wǎng)頁亂碼的三種解決方法

把抓取到的內(nèi)容轉(zhuǎn)下編碼即可($content=iconv("GBK", "UTF-8//IGNORE", $content);),我們這里討論的是如何抓取開了Gzip的頁面。怎么判斷呢?獲取的頭部當(dāng)中有Content-Encoding: gzip說明內(nèi)容是GZIP壓縮的。用FireBug看一下就知道頁面開了gzip沒有。下面是用firebug查看我的博客的頭信息,Gzip是開了的。
復(fù)制代碼 代碼如下:
請(qǐng)求頭信息原始頭信息
Accept text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8
Accept-Encoding gzip, deflate
Accept-Language zh-cn,zh;q=0.8,en-us;q=0.5,en;q=0.3
Connection keep-alive
Cookie __utma=225240837.787252530.1317310581.1335406161.1335411401.1537; __utmz=225240837.1326850415.887.3.utmcsr=google|utmccn=(organic)|utmcmd=organic|utmctr=%E4%BB%BB%E4%BD%95%E9%A1%B9%E7%9B%AE%E9%83%BD%E4%B8%8D%E4%BC%9A%E9%82%A3%E4%B9%88%E7%AE%80%E5%8D%95%20site%3Awww.nowamagic.NET; phpSESSID=888mj4425p8s0m7s0frre3ovc7; __utmc=225240837; __utmb=225240837.1.10.1335411401
Host www.nowamagic.NET
User-Agent Mozilla/5.0 (Windows NT 5.1; rv:12.0) Gecko/20100101 Firefox/12.0

下面介紹一些解決方案:

1. 使用自帶的zlib庫
如果服務(wù)器已經(jīng)裝了zlib庫,用下面的代碼可以輕易解決亂碼問題。
復(fù)制代碼 代碼如下:
$data = file_get_contents("compress.zlib://".$url);

2. 使用CURL代替file_get_contents
復(fù)制代碼 代碼如下:
function curl_get($url, $gzip=false){
 $curl = curl_init($url);
 curl_setopt($curl, CURLOPT_RETURNTRANSFER, 1);
 curl_setopt($curl, CURLOPT_CONNECTTIMEOUT, 10);
 if($gzip) curl_setopt($curl, CURLOPT_ENCODING, "gzip"); // 關(guān)鍵在這里
 $content = curl_exec($curl);
 curl_close($curl);
 return $content;
}

3. 使用gzip解壓函數(shù)
復(fù)制代碼 代碼如下:
function gzdecode($data) {
  $len = strlen($data);
  if ($len < 18 || strcmp(substr($data,0,2),"/x1f/x8b")) {
    return null;  // Not GZIP format (See RFC 1952)
  }
  $method = ord(substr($data,2,1));  // Compression method
  $flags  = ord(substr($data,3,1));  // Flags
  if ($flags & 31 != $flags) {
    // Reserved bits are set -- NOT ALLOWED by RFC 1952
    return null;
  }
  // NOTE: $mtime may be negative (php integer limitations)
  $mtime = unpack("V", substr($data,4,4));
  $mtime = $mtime[1];
  $xfl   = substr($data,8,1);
  $os    = substr($data,8,1);
  $headerlen = 10;
  $extralen  = 0;
  $extra     = "";
  if ($flags & 4) {
    // 2-byte length prefixed EXTRA data in header
    if ($len - $headerlen - 2 < 8) {
      return false;    // Invalid format
    }
    $extralen = unpack("v",substr($data,8,2));
    $extralen = $extralen[1];
    if ($len - $headerlen - 2 - $extralen < 8) {
      return false;    // Invalid format
    }
    $extra = substr($data,10,$extralen);
    $headerlen += 2 + $extralen;
  }

  $filenamelen = 0;
  $filename = "";
  if ($flags & 8) {
    // C-style string file NAME data in header
    if ($len - $headerlen - 1 < 8) {
      return false;    // Invalid format
    }
    $filenamelen = strpos(substr($data,8+$extralen),chr(0));
    if ($filenamelen === false || $len - $headerlen - $filenamelen - 1 < 8) {
      return false;    // Invalid format
    }
    $filename = substr($data,$headerlen,$filenamelen);
    $headerlen += $filenamelen + 1;
  }

  $commentlen = 0;
  $comment = "";
  if ($flags & 16) {
    // C-style string COMMENT data in header
    if ($len - $headerlen - 1 < 8) {
      return false;    // Invalid format
    }
    $commentlen = strpos(substr($data,8+$extralen+$filenamelen),chr(0));
    if ($commentlen === false || $len - $headerlen - $commentlen - 1 < 8) {
      return false;    // Invalid header format
    }
    $comment = substr($data,$headerlen,$commentlen);
    $headerlen += $commentlen + 1;
  }

  $headercrc = "";
  if ($flags & 1) {
    // 2-bytes (lowest order) of CRC32 on header present
    if ($len - $headerlen - 2 < 8) {
      return false;    // Invalid format
    }
    $calccrc = crc32(substr($data,0,$headerlen)) & 0xffff;
    $headercrc = unpack("v", substr($data,$headerlen,2));
    $headercrc = $headercrc[1];
    if ($headercrc != $calccrc) {
      return false;    // Bad header CRC
    }
    $headerlen += 2;
  }

  // GZIP FOOTER - These be negative due to php's limitations
  $datacrc = unpack("V",substr($data,-8,4));
  $datacrc = $datacrc[1];
  $isize = unpack("V",substr($data,-4));
  $isize = $isize[1];

  // Perform the decompression:
  $bodylen = $len-$headerlen-8;
  if ($bodylen < 1) {
    // This should never happen - IMPLEMENTATION BUG!
    return null;
  }
  $body = substr($data,$headerlen,$bodylen);
  $data = "";
  if ($bodylen > 0) {
    switch ($method) {
      case 8:
        // Currently the only supported compression method:
        $data = gzinflate($body);
        break;
      default:
        // Unknown compression method
        return false;
    }
  } else {
    // I'm not sure if zero-byte body content is allowed.
    // Allow it for now...  Do nothing...
  }

  // Verifiy decompressed size and CRC32:
  // NOTE: This may fail with large data sizes depending on how
  //       php's integer limitations affect strlen() since $isize
  //       may be negative for large sizes.
  if ($isize != strlen($data) || crc32($data) != $datacrc) {
    // Bad format!  Length or CRC doesn't match!
    return false;
  }
  return $data;
}

使用:
復(fù)制代碼 代碼如下:
$html=file_get_contents('http://www.jb51.NET/');
$html=gzdecode($html);

就介紹這三個(gè)方法,應(yīng)該能解決大部分gzip引起的抓取亂碼問題了。

php技術(shù)php file_get_contents抓取Gzip網(wǎng)頁亂碼的三種解決方法,轉(zhuǎn)載需保留來源!

鄭重聲明:本文版權(quán)歸原作者所有,轉(zhuǎn)載文章僅為傳播更多信息之目的,如作者信息標(biāo)記有誤,請(qǐng)第一時(shí)間聯(lián)系我們修改或刪除,多謝。

主站蜘蛛池模板: 高清欧美在线三级视频 | 国产精品久久久久久久久ktv | 美女一区二区在线观看 | 国产亚洲精品观看91在线 | 成人在线午夜 | 亚洲精品影视 | 国产在线观看一区 | 色噜噜狠狠狠综合曰曰曰88av | 久青草国产手机视频免费观看 | 免费的成人a视频在线观看 免费的黄色片视频 | 国产精品免费一区二区三区四区 | 亚洲一区二区三区中文字幕5566 | 国产精品第一页在线 | 99精品热线在线观看免费视频 | 丁香六月婷婷七月激情 | 9久9久女女热精品视频免费观看 | 伊人久久大香线蕉综合爱婷婷 | xxx亚洲日本 | 欧美人人做人人爽人人喊 | 亚洲图色网站 | sihu国产午夜精品一区二区三区 | 色爱区综合激月婷婷激情五月 | 国产岛国| 亚洲人成网男女大片在线播放 | 韩日美女 | 奇米影视久久777中文字幕 | 国产福利免费 | 黄页网站在线播放 | 国产女人一区二区 | 在线观看亚洲 | 久久久久久久综合日本亚洲 | 久久国产精品国产自线拍免费 | 国产成人亚洲综合无 | 97人人在线视频 | 国产自精品 | 麻豆国产在线视频 | 99热福利 | 国产情侣真实露脸在线最新 | 扒开双腿猛进入无遮挡软件 | 亚洲午夜免费视频 | 怡红院官网 |