更新PHP平台开发时，抓取页面的几种方式

更新PHP平台开发时，抓取页面的几种方式_PHP教程

WBOY

发布： 2016-07-20 11:14:13

原创

926 人浏览过

我们在开发网络程序时，往往需要抓取非本地文件，一般情况下都是利用php模拟浏览器的访问，通过http请求访问url地址，然后得到html源代码或者xml数据，得到数据我们不能直接输出，往往需要对内容进行提取，然后再进行格式化，以更加友好的方式显现出来。

一、 PHP抓取页面的主要方法：

fread()->fclose()模式

二、PHP解析html或xml代码主要方式：

1. file()函数

<?php
//定义url
$url='http://t.qq.com';　
//fiel函数读取内容数组
$lines_array=file($url);　
//拆分数组为字符串　
$lines_string=implode('',$lines_array);　
//输出内容，嘿嘿，大家也可以保存在自己的服务器上
echo $lines_string;

登录后复制

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。

<?php 
//定义url 
$url='http://t.qq.com';
 //file_get_contents函数远程读取数据
$lines_string=file_get_contents($url);
 //输出内容，嘿嘿，大家也可以保存在自己的服务器上 
echo htmlspecialchars($lines_string);

登录后复制

3. fopen()->fread()->fclose()模式

<?php 
//定义url
$url='http://t.qq.com';
 //fopen以二进制方式打开   
$handle=fopen($url,"rb");
//变量初始化
$lines_string="";
//循环读取数据
do{     
    $data=fread($handle,1024);     
    if(strlen($data)==0) { 
        break;    
    }     
$lines_string.=$data; 
}while(true);
//关闭fopen句柄，释放资源
fclose($handle);
 //输出内容，嘿嘿，大家也可以保存在自己的服务器上
echo $lines_string;

登录后复制

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。

<?php 
// 创建一个新cURL资源
$url='http://t.qq.com'; 
$ch=curl_init(); 
$timeout=5; 
// 设置URL和相应的选项
curl_setopt($ch, CURLOPT_URL, $url);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
curl_setopt($ch, CURLOPT_CONNECTTIMEOUT, $timeout);
// 抓取URL
$lines_string=curl_exec($ch); 
// 关闭cURL资源，并且释放系统资源
curl_close($ch);
//输出内容，嘿嘿，大家也可以保存在自己的服务器上
echo $lines_string;

登录后复制

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。

<?php
$fp = fsockopen("t.qq.com", 80, $errno, $errstr, 30);
if (!$fp) {
    echo "$errstr ($errno)<br />\n";
} else {
    $out = "GET / HTTP/1.1\r\n";
    $out .= "Host: t.qq.com\r\n";
    $out .= "Connection: Close\r\n\r\n";
    fwrite($fp, $out);
    while (!feof($fp)) {
        echo fgets($fp, 128);
    }
    fclose($fp);
}

登录后复制

<?php
//引入snoopy的类文件
require('Snoopy.class.php');
//初始化snoopy类
$snoopy = new Snoopy;
$url = "http://t.qq.com";
//开始采集内容
$snoopy->fetch($url);
 //保存采集内容到$lines_string
$lines_string = $snoopy->results;
//输出内容，嘿嘿，大家也可以保存在自己的服务器上 
echo $lines_string;

登录后复制

说明：设置agent是在 Snoopy.class.php 文件的第45行，请在该文件中搜索 “var $agent” （引号中的内容）。浏览器内容你可以使用PHP来获得，
使用 echo $_SERVER['HTTP_USER_AGENT']; 可以得到浏览器信息，将echo出来的内容复制到agent里面就可以了。

浪风小园子 -- 比较认真的PHP平台开发

本页完整页面地址：http://www.cnblogs.com/rirber/archive/2013/06/15/php-server-get-curl-data.html

本页网址缩短（url地址）：http://url.cn/EeOhAy