php curl函数采集网页程序代码

curl来抓取网页内容是一个性能比较好的函数了,我们通常会使用它来快速模仿用户去访问我们要抓取的网页了,下面看一个例子有兴趣的朋友可进入参考.

早上想写了一个抓取是京东618魅族专题页的抓取,然后想着自动下单购买,尼玛,算了,太多了,写到判断是否开始了,商品价格进行了变化,后边工程量有点大就懒的写了,如果要完善的话就需要写模拟登陆(这个不难)加入购物车,下单,下单的时候判断一下价格,如果价格个官方优惠价格相同就下单,不同就接着去抓,算了,懒的写了,下边是部分代码:

<?php 
    $cookie_file = dirname(__FILE__)."/jd.cookie"; 
    //专题首页url 
    $indexurl = &#39;http://sale.jd.com/act/BOxFsKPGNZwpet4.html&#39;; 
    //获取专题页到产品详情的地址 
    $indexstr = get($indexurl); 
    //var_dump($indexstr);exit; 
    preg_match_all(&#39;/<area shape="rect" coords="802,199,941,244" href="(.*?)"/is&#39;,$indexstr,$data);   
    $tmp = pathinfo($data[1][0]); 
    $pinfo[&#39;id&#39;] = $tmp[&#39;filename&#39;]; 
    $pinfo[&#39;url&#39;] = $data[1][0]; 
    unset($tmp,$data); 
    $pinfo = getPrice($pinfo[&#39;id&#39;]); 
    if($pinfo[&#39;mainproduct&#39;][&#39;price&#39;] == 1799){
        addcar(); 
    }else{ 
        echo "还没有开始抢购"; 
    } 
    function get($url,$flag=true){ 
        global $cookie_file; 
        $headerArray = array( 
            "content-type: application/x-www-form-urlencoded;charset=UTF-8", 
        ); 
        //echo $cookie_file;exit; 
        $ch = curl_init(); 
        curl_setopt($ch,CURLOPT_URL,$url); 
        curl_setopt($ch,CURLOPT_RETURNTRANSFER,1); 
        curl_setopt($ch,CURLOPT_USERAGENT,&#39;"Mozilla/5.0 (Windows NT 6.1; WOW64; rv:30.0) Gecko/20100101 Firefox/30.0"&#39;); 
        curl_setopt($ch,CURLOPT_HTTPHEADER,$headerArray);//设置头信息 
        curl_setopt($ch,CURLOPT_COOKIEFILE,$cookie_file); 
        curl_setopt($ch,CURLOPT_COOKIEJAR,$cookie_file); 
        $return = curl_exec($ch); 
        curl_close($ch); 
        if($flag)$return = gzdecode($return); 
        return $return; 
    } 
    function getPrice($id){ 
        $priceUrl = "http://rs.jd.com/accessorie/newServiceWhite.jsonp?sku=".$id; 
        $data = json_decode(get($priceUrl,false),true); 
        return $data; 
    } 
    function addcar(){ 
        global $pinfo; 
        $addurl = "http://gate.jd.com/InitCart.aspx?pid=".$pinfo[&#39;mainproduct&#39;][&#39;sku&#39;]."&pcount=1&ptype=1"; 
        echo get($addurl,false); 
    }

php 在curl抓取的时候出现乱码

用站长工具查看我们抓取的网而不是使用了gzip压缩了,如果有返回"Accept-Encoding:gzip,deflate" 就是打开了gzip了,我们只要如下操作,代码如下:

$res=curl_exec($ch1); 
    if(!emptyempty($res)){ //save capcha 
    echo gzdecode($res); 
}

GBK或者UTF8汉字之类的乱码,代码如下:

mb_convert_encoding($str, 'utf-8', 'GBK,UTF-8,ASCII');就行了

我们设置页面为GBK兼容GB2312,GB2312是GBK的子集,所有GB2312编码的用GBK都能正确解出来.

教程网址:

欢迎收藏∩_∩但请保留本文链接。