使用PHP如何爬取网页

内容导读

收集整理的这篇技术教程文章主要介绍了使用PHP如何爬取网页，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含5040字，纯文字阅读大概需要8分钟。

内容图文

在PHP中爬取网页数据的主要流程就是先获取整个网页数据，然后正则匹配（关键的）所需要的网页数据。

PHP读取页面的主要方法,有几种方法获取页面数据的示例是网上前辈的经验，现在还没有用到的，先存下来以后试试。

1.file()函数

2.file_get_contents()函数

3.fopen()->fread()->fclose()模式

4.curl方式 （本人主要用这个）

5.fsockopen()函数 socket模式

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

7.file()函数

<?php//定义url$url='[http://t.qq.com](http://t.qq.com/)';//fiel函数读取内容数组$lines_array=file($url);//拆分数组为字符串$lines_string=implode('',$lines_array);//

输出内容echo $lines_string;　

2.使用file_get_contents方法实现，比较简单。

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。

$url="[http://news.sina.com.cn/c/nd/2016-10-23/doc-ifxwztru6951143.shtml](http://news.sina.com.cn/c/nd/2016-10-23/doc-ifxwztru6951143.shtml)";$html=file_get_contents($url);//如果出现中文乱码使用下面代码`//$getcontent = iconv("gb2312", "utf-8",$html);echo"<textarea style='width:800px;height:600px;'>".$html."</textarea>";

3.fopen()->fread()->fclose()模式 ，目前还没用过，看到了就先记下了

<?php//定义url$url='[http://t.qq.com](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echo $lines_string;

4.使用curl实现（本人一般使用这个）。

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:WINDOWSsystem32下；Linux下要安装curl扩展。

<?phpheader("Content-Type: text/html;charset=utf-8");date_default_timezone_set('PRC');$url = "https://***********ycare";//要爬取的网址$res = curl_get_contents($url);//curl封装方法preg_match_all('/<script>(.*?)</script>/',$res,$arr_all);//这个网页中数据通过js包过来，所以直接抓js就可以preg_match_all('/"id":"(.*?)",/',$arr_all[1][1],$arr1);//从js块中匹配要的数据$list = array_unique($arr1[1]);//（可省）保证不重复//以下则是同理，循环则可for($i=0;$i<=6;$i=$i+2){
$detail_url = 'ht*****em/'.$list[$i];
$detail_res = curl_get_contents($detail_url);
preg_match_all('/<script>(.*?)</script>/',$detail_res,$arr_detail);
preg_match('/"desc":"(.*?)",/',$arr_detail[1][1],$arr_content);
***

***

***
$ret=curl_post('http://**********cms.php',$result);//此脚本未放在服务器上，原因大家懂就好哈。}function curl_get_contents($url,$cookie='',$referer='',$timeout=300,$ishead=0) {
$curl = curl_init();
curl_setopt($curl, CURLOPT_RETURNTRANSFER,1);
curl_setopt($curl, CURLOPT_FOLLOWLOCATION,1);
curl_setopt($curl, CURLOPT_URL,$url);
curl_setopt($curl, CURLOPT_TIMEOUT,$timeout);
curl_setopt($curl, CURLOPT_USERAGENT,'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.181 Safari/537.36');
if($cookie)
{

curl_setopt( $curl, CURLOPT_COOKIE,$cookie);
}
if($referer)
{

curl_setopt ($curl,CURLOPT_REFERER,$referer);
}
$ssl = substr($url, 0, 8) == "https://" ? TRUE : FALSE;
if ($ssl)
{

curl_setopt($curl, CURLOPT_SSL_VERIFYHOST, false);

curl_setopt($curl, CURLOPT_SSL_VERIFYPEER, false);
}
$res = curl_exec($curl);
return $res;
curl_close($curl);}//curl post数据到服务器function curl_post($url,$data){
$ch = curl_init();
curl_setopt($ch,CURLOPT_RETURNTRANSFER,1);
//curl_setopt($ch,CURLOPT_FOLLOWLOCATION, 1);
curl_setopt($ch, CURLOPT_SSL_VERIFYPEER, FALSE);
curl_setopt($ch,CURLOPT_USERAGENT,'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.181 Safari/537.36');
curl_setopt($ch,CURLOPT_URL,$url);
curl_setopt($ch,CURLOPT_POST,true);
curl_setopt($ch,CURLOPT_POSTFIELDS,$data);
$output = curl_exec($ch);
curl_close($ch);
return $output; }?>

5.fsockopen()函数 socket模式（没用过，以后可以试试）

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/1.1rn";
$out .= "Host: t.qq.comrn";
$out .= "Connection: Closernrn";
fwrite($fp, $out);
while (!feof($fp)) {

echo fgets($fp, 128);
}
fclose($fp);}

6.snoopy插件，最新版本是Snoopy-1.2.4.zip Last Update: 2013-05-30，推荐大家使用

使用网上非常流行的snoopy来进行采集，这是一个非常强大的采集插件，并且它的使用非常方便，你也可以在里面设置agent来模拟浏览器信息。

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 公式输入有误_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。

<?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](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;

相关推荐：

网页抓取：PHP实现网页爬虫方式小结，抓取爬虫

php网页分析 内容抓取 爬虫 资料分析

以上就是使用PHP如何爬取网页的详细内容，更多请关注Gxl网其它相关文章！

内容总结

以上是为您收集整理的使用PHP如何爬取网页全部内容，希望文章能够帮你解决使用PHP如何爬取网页所遇到的程序开发问题。 如果觉得技术教程内容还不错，欢迎将网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。