前面开发PHP 的过程中、有一个网站要做一个导航的、需要用到百度热词、百度搜索榜的 TOP50 。
可以根据FOr 循环找出50 条 地址可为这几个都可以抓取 是根据simple_html_dom.php simple_html_dom.php 百度一下 放到相同的目录下 我用的是THINKPHP 放在同Action中 //http://top.baidu.com/buzz/top10.html //http://top.baidu.com/buzz?b=1&c=513 //http://top.baidu.com/buzz?b=1&fr=topcategory_c513
- $now_url = 'http://top.baidu.com/buzz.php?p=top10';
- $content = '';
- if (function_exists ( 'curl_init' )) {
- $ch = curl_init ( $now_url );
- curl_setopt ( $ch, CURLOPT_HEADER, 0 );
- curl_setopt ( $ch, CURLOPT_TIMEOUT, 30 ); // 设置超时限制防止死循环
- curl_setopt ( $ch, CURLOPT_USERAGENT, "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.0)" );
- // curl_setopt ( $ch, CURLOPT_USERAGENT,
- // "Baiduspider+(+http://www.baidu.com/search/spider.htm)" );
- curl_setopt ( $ch, CURLOPT_RETURNTRANSFER, 1 );
- $content = curl_exec ( $ch );
- curl_close ( $ch );
- } elseif (function_exists ( 'file_get_contents' )) {
- $content = file_get_contents ( $now_url );
- } else {
- exit ( '您的服务器同时不支持组件,无法开始采集!' );
- }
- include_once ('simple_html_dom.php');
- // 新建一个Dom实例
- $html = new simple_html_dom ();
- // 从字符串中加载
- $html->load ( $content ); // syncad_3
- $new1 = $html->find ( 'table .keyword .list-title text' ); // 根据table的keyword list-title查出该标签下的数据
- $keyArray = array ();
- for($i = 0; $i $item = iconv ( "GB2312", "UTF-8", $new1 [$i] . '' );
- $keyArray [] = $item;
- }
- $this->assign ( 'keyArray', $keyArray );
- $html->clear ();
- unset ( $html );
复制代码
|