如何用php 编写网络爬虫？

如何用PHP语言编写网络爬虫？
1.别跟我说PHP不适合干这个，我不想为了写爬虫专门学一门新的语言，我知道它能实现
2.我又一定的PHP编程基础，熟悉数据结构与算法，有一般的网络基础知识，比如TCP/IP协议等概念
3.能否提供具体书籍名称，网络文章名
4.我可以贪心的求源码么？
谢谢！

回复内容：

• pcntl_fork或者swoole_process实现多进程并发。按照每个网页抓取耗时500ms，开200个进程，可以实现每秒400个页面的抓取。
  
• curl实现页面抓取，设置cookie可以实现模拟登录
  
• simple_html_dom 实现页面的解析和DOM处理
• 如果想要模拟浏览器，可以使用casperJS。用swoole扩展封装一个服务接口给PHP层调用

在多玩网这里有一套爬虫系统就是基于上述技术方案实现的，每天会抓取几千万个页面。 你需要这个-Goutte, a simple PHP Web Scraper-FriendsOfPHP/Goutte · GitHub USTC Spider 这就是用PHP写的，每隔一段时间抓取一下目标网站，将数据写入本地，然后直接读取本地文件即可。 php实现内容爬虫不难，楼上说的curl，selenium已经几乎可以完成所有可能的任务了。但是，如果还想进行内容处理，最好还是能加上一个可以处理用户交互的东西，casperjs就是啦。 《Webbots、Spiders和Screen Scrapers：技术解析与应用实践》 下午刚写的一个 通过关键词抓取符合要求的豆瓣小组的信息 ，很糙。也是刚开始学。
有个问题就是老被封, 还在想怎么解决...
还有就是太慢了... 单线程做的. 我看投票最多的答案还挺好的。准备继续改造改造。 php模拟登录教务系统,测试时显示登录成功但是页面没有跳转出来 最简单的用正则表达式+get_file_contents即可实现爬虫