今天用 curl_init 函數抓取搜狐的網頁時，發現採集的網頁時亂碼，經過分析發現原來是伺服器開啟了gzip壓縮功能。只要在函數 curl_setopt 新增多個選項 CURLOPT_ENCODING 解析 gzip 就可以正確解碼了。
還有如果抓取的網頁時 GBK 編碼，但是腳本確是 utf-8 編碼，還得把抓取的網頁再用函數 mb_convert_encoding 轉換下。
<?php
$tmp = sys_get_temp_dir();
$cookieDump = tempnam($tmp, 'cookies');
$url = 'http://tv.sohu.com';
$ch = curl_init();
curl_setopt ($ch, CURLOPT_URL, $url);
curl_setopt ($ch, CURLOPT_HEADER, 1);// 显示返回的Header区域内容
curl_setopt ($ch, CURLOPT_FOLLOWLOCATION, 1); // 使用自动跳转
curl_setopt ($ch, CURLOPT_TIMEOUT, 10);// 设置超时限制
curl_setopt ($ch, CURLOPT_RETURNTRANSFER, 1); // 获取的信息以文件流的形式返回
curl_setopt ($ch, CURLOPT_CONNECTTIMEOUT,10);// 链接超时限制
curl_setopt ($ch, CURLOPT_HTTPHEADER,array('Accept-Encoding: gzip, deflate'));//设置 http 头信息
curl_setopt ($ch, CURLOPT_ENCODING, 'gzip,deflate');//添加 gzip 解码的选项，即使网页没启用 gzip 也没关系
curl_setopt ($ch, CURLOPT_COOKIEJAR, $cookieDump); // 存放Cookie信息的文件名称
$content = curl_exec($ch);
// 把抓取的网页由 GBK 转换成 UTF-8
$content = mb_convert_encoding($content,"UTF-8","GBK");
?><?php
$url = 'http://tv.sohu.com';
// 只要添加 compress.zlib 选项，即使服务器启用了gzip 压缩功能，就能够解码了
$content = file_get_contents("compress.zlib://".$url);
// 把抓取的网页由 GBK 转换成 UTF-8
$content = mb_convert_encoding($content,"UTF-8","GBK");
?>
