php curl 抓網頁數據問題，聽說內地神人很多，求神人解

Question

因工作需求，需要抓取别人网站的数据，使用php + curl 但是遇到问题无解

听说内地的神人很多，请各位神人帮帮小弟，来自台湾的小弟已经爬文爬文三天了。

---

网址：http://www.cbssports.com/mlb/scoreboard

然后，选择下方正在比赛中的赛事，点选GAMETRACKER 就可以看到直播

问题来了

以这个网址为例：(当各位大大看到时，也许赛事已经结束了)

ttp://www.cbssports.com/mlb/gametracker/live/MLB_20140527_TB@TOR

小弟写的程序如下：

$game=array();
$ch = curl_init(); 
$search1=$_GET['searcharg']; 
$url ="http://www.cbssports.com/mlb/gametracker/live/MLB_20140527_TB@TOR"; 


$ch = curl_init(); 
curl_setopt($ch, CURLOPT_URL, $url); 
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1); 
curl_setopt($ch, CURLOPT_USERAGENT, "Mozilla/5.0 (Windows NT 6.1) AppleWebKit/536.11 (KHTML, like Gecko) Chrome/20.0.1132.57 Safari/536.11");
$data = curl_exec($ch);

curl_close($ch);
preg_match_all('/<span class="teamLocation">(.*?)<\/span>/is',$data,$teamCity);

….(进行字符串解析)

目前已知问题：
不管是 「另存新檔」save as ，还是 检视原始档 ，一些该出现的html都没有出现，例如：
原网站为：

<tr id="current-pitcher">
    <td><img src="http://sports.cbsimg.net/images/baseball/mlb/players/60x80/1961062.jpg" border="0"></td>
    <td><span class="label">Pitcher:</span><span class="name"><b>M.&nbsp;Mariot</b>&nbsp;|&nbsp; # 48 RP</span>
        <br>
        <a href="#" class="statOpt" data-playerid="1" data-position="pitcher">Game Stats</a>
        <p class="game-stats">0.1 IP</p>
        <p class="season-stats">0-0, 5.73 ERA, 11.0 IP, 9 K's, 6 BB</p>
    </td>
</tr>

不管是另存新档的网页或是curl 抓出来的结果为

<ul class="nav">
    <li class="active ingame" data-filter="current"><a href="#">Current Situation</a></li>
    <li data-filter="hitchart"><a href="#">Hitting Charts</a></li>
    <li data-filter="pitchchart"><a href="#">Pitching Charts</a></li>
</ul>
<p class="currentSituation ingame">
    <p class="batter-pitcher fLeft">
        <table>
            <tr id="current-pitcher">
                <td><img src="http://sports.cbsimg.net/images/baseball/mlb/players/60x80/no-photo-available.jpg" border="0"></td>
                <td><span class="label">Pitcher:</span><span class="name">    </span>
                    <br>
                    <a href="#" class="statOpt" data-playerid="1" data-position="pitcher">Game Stats</a>
                    <p class="game-stats">

上面蓝色代表没有显示出来的，

目前我试过的方式，送cookie！模拟浏览器 ，还是没效，
不知道各位内地的神人有没有解？请给小弟一个方向吧(跪求)

Answer 1

额，不知道你碰到了什么问题，不过我看了下就是简单的抓取，完全没问题啊。另外，解析HTML请不要在用正则了，推荐你用一下 phpQuery 这个库，PHP抓取利器。以你给的网址为例：

include "phpQuery.php";
phpQuery::newDocumentFile("http://www.cbssports.com/mlb/gametracker/live/MLB_20140527_TB@TOR");
echo pq("#current-pitcher")->html();

Answer 2

我遇到的问题 其实说穿了就是

...我用firbug 或 chrome debug时，所追踪的html 跟我 「检视原始档」和「另存新档」时所看到的资料不同：

目前有赛事 http://www.cbssports.com/mlb/gametracker/live/MLB_20140527_DET@OAK

神人求解

Answer 3

你想要抓去的html内容，是由javascript生成的，抓包工具都不会解析执行javascript的。
解决方法就是用phantomjs，可以跑一个受脚本控制的，无界面的webkit。