Cara membaca kod sumber halaman web yang diubah hala dalam PHP

PHP ialah bahasa skrip bahagian pelayan yang digunakan secara meluas yang membantu pembangun mencipta aplikasi web dinamik. Walau bagaimanapun, kadangkala pembangun PHP perlu membaca kod sumber halaman web luaran, yang mungkin merupakan pautan lompat. Dalam artikel ini, kita akan belajar cara menggunakan PHP untuk membaca kod sumber pautan ubah hala.

Nota: Dalam artikel ini, kami akan menganggap bahawa anda sudah biasa dengan bahasa PHP dan mempunyai pemahaman asas tentang protokol HTML dan HTTP.

Langkah 1: Buka pautan menggunakan cURL

cURL ialah perpustakaan untuk memproses URL dalam PHP. Untuk membaca kod sumber halaman web yang dipautkan, kita perlu menggunakan cURL untuk membuka pautan. Berikut ialah kod asas untuk menggunakan cURL untuk membuka halaman web dalam PHP:

$url = 'http://www.example.com';
$ch = curl_init();
curl_setopt($ch, CURLOPT_URL, $url);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
$output = curl_exec($ch);
curl_close($ch);

Dalam kod di atas, kami mula-mula menentukan alamat pautan halaman web untuk dibaca, kemudian buat pemegang cURL dan tetapkan pilihan Terpaut akses, menghantar permintaan cURL dan mendapat respons. Hasilnya disimpan dalam pembolehubah $output.

Langkah 2: Kendalikan pautan lompat

Dalam sesetengah kes, pautan yang kami buka mungkin pautan lompat, yang bermaksud ia akan mengubah hala ke pautan lain. Untuk mendapatkan kod sumber halaman web yang diubah hala, kami perlu menyemak maklumat pengepala respons untuk menentukan sama ada terdapat pengepala Lokasi. Jika ia wujud, ini bermakna ini adalah pautan lompat, dan alamat pautan diubah hala disimpan dalam Lokasi Kami perlu menggunakan cURL untuk membuka pautan diubah hala ini untuk mendapatkan kod sumber.

Berikut ialah contoh kod:

$url = 'http://www.example.com';
$ch = curl_init();
curl_setopt($ch, CURLOPT_URL, $url);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
curl_setopt($ch, CURLOPT_FOLLOWLOCATION, true);
$output = curl_exec($ch);
$info = curl_getinfo($ch);
curl_close($ch);

if ($info['http_code'] == 301 || $info['http_code'] == 302) {
    $url = $info['redirect_url'];
    $ch = curl_init();
    curl_setopt($ch, CURLOPT_URL, $url);
    curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
    $output = curl_exec($ch);
    curl_close($ch);
}

Dalam kod di atas, kami telah menambah pilihan curl_setopt: CURLOPT_FOLLOWLOCATION. Pilihan ini memberitahu cURL untuk mengikuti mesej ubah hala dan membuka pautan baharu secara automatik. Kemudian, kami memperoleh maklumat pengepala respons dan menentukan sama ada terdapat maklumat ubah hala. Jika ia wujud, kami menggunakan fungsi curl_init() untuk mencipta pemegang cURL baharu, buka pautan ubah hala dan dapatkan kod sumber.

Langkah 3: Menghuraikan kod sumber

Selepas mendapatkan kod sumber halaman web, kami perlu menghuraikannya dengan lebih lanjut supaya kami boleh memproses data. Kita boleh menggunakan kelas DOMDocument terbina dalam PHP untuk menghuraikan dokumen HTML.

Berikut ialah contoh kod:

$url = 'http://www.example.com';
$ch = curl_init();
curl_setopt($ch, CURLOPT_URL, $url);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
curl_setopt($ch, CURLOPT_FOLLOWLOCATION, true);
$output = curl_exec($ch);
$info = curl_getinfo($ch);
curl_close($ch);

if ($info['http_code'] == 301 || $info['http_code'] == 302) {
    $url = $info['redirect_url'];
    $ch = curl_init();
    curl_setopt($ch, CURLOPT_URL, $url);
    curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
    $output = curl_exec($ch);
    curl_close($ch);
}

$doc = new DOMDocument();
@$doc->loadHTML($output);
$elements = $doc->getElementsByTagName('html');
$title = $doc->getElementsByTagName('title')->item(0)->nodeValue;

Dalam kod di atas, kami mula-mula mencipta objek DOMDocument, dan kemudian memanggil fungsi loadHTML() untuk menghantar sumber halaman web yang diperolehi kod sebagai parameter. Seterusnya, kami menggunakan fungsi getElementsByTagName() untuk mendapatkan elemen yang ditentukan dan atribut nodeValue untuk mendapatkan kandungan teks elemen tersebut. Dalam contoh ini, kita mendapat elemen HTML dan elemen tajuk.

Langkah 4: Proses data

Akhir sekali, kami boleh memproses data yang diperolehi dan menyimpan atau memaparkannya mengikut keperluan. Berikut ialah contoh mudah:

$url = 'http://www.example.com';
$ch = curl_init();
curl_setopt($ch, CURLOPT_URL, $url);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
curl_setopt($ch, CURLOPT_FOLLOWLOCATION, true);
$output = curl_exec($ch);
$info = curl_getinfo($ch);
curl_close($ch);

if ($info['http_code'] == 301 || $info['http_code'] == 302) {
    $url = $info['redirect_url'];
    $ch = curl_init();
    curl_setopt($ch, CURLOPT_URL, $url);
    curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
    $output = curl_exec($ch);
    curl_close($ch);
}

$doc = new DOMDocument();
@$doc->loadHTML($output);
$title = $doc->getElementsByTagName('title')->item(0)->nodeValue;
echo "源码标题是：" . $title . "\n";
echo "HTML源码是：" . $output;

Dalam kod di atas, kita mula-mula mendapat tajuk halaman web, dan kemudian terus mengeluarkan kod sumber HTML.

Kesimpulan

Dalam artikel ini, kami mempelajari cara menggunakan PHP untuk membaca kod sumber halaman web yang diubah hala. Dengan menggunakan cURL untuk membuka pautan, memproses pautan lompat, menghuraikan dokumen HTML dan memproses data, kami boleh membaca kod sumber halaman web pautan lompat dengan mudah. Ini adalah kemahiran yang sangat berguna apabila anda perlu menggunakan perangkak web, analisis data, perlombongan data dan senario lain.

Atas ialah kandungan terperinci Cara membaca kod sumber halaman web yang diubah hala dalam PHP. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!