php抓取网页页面方法汇总

作者: Rememberautumn 分类: 未分类 发布时间: 2014-10-16 20:26 阅读: 2,694

很多情况下我们都需要获取网页内容,并进行处理,按照我们的形式返回到页面上,所以抓站的工作,不可不做, php抓取网页页面方法汇总。

一、 PHP抓取页面的主要方法:

1. file()函数

2. file_get_contents()函数

3. fopen()->fread()->fclose()模式

4.curl方式

5. fsockopen()函数 socket模式

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

二、PHP解析html或xml代码主要方式:

1. 正则表达式

2. PHP DOMDocument对象

3. 插件(如:PHP Simple HTML DOM Parser)

如果你对以上内容已经很了解,以下内容可以飘过……

PHP抓取页面

1. file()函数

复制代码 代码如下:

<?php

$url=’http://t.qq.com’;

$lines_array=file($url);

$lines_string=implode(”,$lines_array);

echo htmlspecialchars($lines_string);

?>

2. file_get_contents()函数

使用file_get_contents和fopen必须空间开启allow_url_fopen。方法:编辑php.ini,设置 allow_url_fopen = On,allow_url_fopen关闭时fopen和file_get_contents都不能打开远程文件。

复制代码 代码如下:

<?php

$url=’http://t.qq.com’;

$lines_string=file_get_contents($url);

echo htmlspecialchars($lines_string);

?>

3. fopen()->fread()->fclose()模式

复制代码 代码如下:

<?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必须空间开启curl。方法:windows下修改php.ini,将extension=php_curl.dll前面的分号去掉,而且需要拷贝ssleay32.dll和libeay32.dll到C:\WINDOWS\system32下;Linux下要安装curl扩展。

复制代码 代码如下:

<?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()函数 socket模式

socket模式能否正确执行,也跟服务器的设置有关系,具体可以通过phpinfo查看服务器开启了哪些通信协议,比如我的本地php socket没开启http,只能使用udp测试一下了。

复制代码 代码如下:

<?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

网上应该有比较多的插件,snoopy插件是在网上搜到的,有兴趣的可以研究一下。

PHP解析xml(html)

1. 正则表达式:

复制代码 代码如下:

<?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()对象

如果远程的html或xml存在语法错误,php在解析dom的时候会报错。

复制代码 代码如下:

<?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为例,进行简单介绍,simple_html_dom的语法类似jQuery,它让php操作dom,就像使用jQuery操作dom一样的简单。

复制代码 代码如下:

<?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;

?>

 

如果觉得我的文章对您有用,请随意打赏。您的支持将鼓励我继续创作!

发表评论

电子邮件地址不会被公开。 必填项已用*标注