更新PHP平台开发时，抓取页面的几种方式

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。

下面简单说一下php抓取页面的几种方法及原理:

一、 PHP抓取页面的主要方法：

1. file()函数   

2. file_get_contents()函数 

3. fopen()->fread()->fclose()模式 

4.curl方式 

5. fsockopen()函数 socket模式 

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

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;　

 

 

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);

 

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;

 

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;

 

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);}

 

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。

<?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;

 

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

浪风先分享这么多，以后会继续分享我的小工具给大家。分享万岁，技术永存。

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