php抓取页面与代码解析 推荐


Posted in PHP onJuly 23, 2010

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。
下面先简单说一下本文的主要内容:

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. 正则表达式
2. PHP DOMDocument对象
3. 插件(如:PHP Simple HTML DOM Parser)

如果你对以上内容已经很了解,以下内容可以飘过......

PHP抓取页面

1. file()函数

<?php 
$url='http://t.qq.com'; 
$lines_array=file($url); 
$lines_string=implode('',$lines_array); 
echo htmlspecialchars($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 
$url='http://t.qq.com'; 
$lines_string=file_get_contents($url); 
echo htmlspecialchars($lines_string); 
?>

3. fopen()->fread()->fclose()模式
<?php 
$url='http://t.qq.com'; 
$handle=fopen($url,"rb"); 
$lines_string=""; 
do{ 
$data=fread($handle,1024); 
if(strlen($data)==0){break;} 
$lines_string.=$data; 
}while(true); 
fclose($handle); 
echo htmlspecialchars($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 
$url='http://t.qq.com'; 
$ch=curl_init(); 
$timeout=5; 
curl_setopt($ch, CURLOPT_URL, $url); 
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1); 
curl_setopt($ch, CURLOPT_CONNECTTIMEOUT, $timeout); 
$lines_string=curl_exec($ch); 
curl_close($ch); 
echo htmlspecialchars($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,比如我的本地php socket没开启http,只能使用udp测试一下了。

<?php 
$fp = fsockopen("udp://127.0.0.1", 13, $errno, $errstr); 
if (!$fp) { 
echo "ERROR: $errno - $errstr<br />\n"; 
} else { 
fwrite($fp, "\n"); 
echo fread($fp, 26); 
fclose($fp); 
} 
?>

6. 插件
网上应该有比较多的插件,snoopy插件是在网上搜到的,有兴趣的可以研究一下。

PHP解析xml(html)

1. 正则表达式:

<?php 
$url='http://t.qq.com'; 
$lines_string=file_get_contents($url); 
eregi('<title>(.*)</title>',$lines_string,$title); 
echo htmlspecialchars($title[0]); 
?>

2. PHP DOMDocument()对象
如果远程的html或xml存在语法错误,php在解析dom的时候会报错。

<?php 
$url='http://www.136web.cn'; 
$html=new DOMDocument(); 
$html->loadHTMLFile($url); 
$title=$html->getElementsByTagName('title'); 
echo $title->item(0)->nodeValue; 
?>

3. 插件
本文以PHP Simple HTML DOM Parser为例,进行简单介绍,simple_html_dom的语法类似jQuery,它让php操作dom,就像使用jQuery操作dom一样的简单。

<?php 
$url='http://t.qq.com'; 
include_once('../simplehtmldom/simple_html_dom.php'); 
$html=file_get_html($url); 
$title=$html->find('title'); 
echo $title[0]->plaintext; 
?>

当然中国人是富有创造性的,老外往往会在技术上领先,但中国人往往会在使用上更胜一筹,往往做出一些让老外不敢想的功能,比如php的远程抓取与分析,本来是为数据的整合提供方便。但国人很喜欢这个,于是乎大量的采集站,它们本身不创造任何有价值的内容,就是靠抓取别人的网站内容,并把它据为己有。在百度里输入“php小”关键词,suggest列表第一个就是“php小偷程序”,然后把同样的关键词放入google,哥只能笑而不语。

PHP 相关文章推荐
PHP自动更新新闻DIY
Oct 09 PHP
一个简单的php实现的MySQL数据浏览器
Mar 11 PHP
yii操作session实例简介
Jul 31 PHP
php中10个不同等级压缩优化图片操作示例
Nov 14 PHP
关于php中的json_encode()和json_decode()函数的一些说明
Nov 20 PHP
浅谈PHP的排列组合(如输入a,b,c 输出他们的全部组合)
Mar 14 PHP
ThinkPHP 3.2.2实现事务操作的方法
May 05 PHP
[原创]PHP实现生成vcf vcard文件功能类定义与使用方法详解【附demo源码下载】
Sep 02 PHP
yii框架redis结合php实现秒杀效果(实例代码)
Oct 26 PHP
PHP中检查isset()和!empty()函数的必要性
Feb 13 PHP
PHP判断是否是微信打开还是浏览器打开的方法
Feb 27 PHP
laravel 事件/监听器实例代码
Apr 12 PHP
由php的call_user_func传reference引发的思考
Jul 23 #PHP
Google Voice 短信发送接口PHP开源版(2010.5更新)
Jul 22 #PHP
PHP 飞信好友免费短信API接口开源版
Jul 22 #PHP
PHP计划任务之关闭浏览器后仍然继续执行的函数
Jul 22 #PHP
PHP垃圾回收机制简单说明
Jul 22 #PHP
PHP多线程抓取网页实现代码
Jul 22 #PHP
php上传文件的增强函数
Jul 21 #PHP
You might like
php zlib压缩和解压缩swf文件的代码
2008/12/30 PHP
Zend Framework页面缓存实例
2014/06/25 PHP
php pdo操作数据库示例
2017/03/10 PHP
PHP一个简单的无需刷新爬虫
2019/01/05 PHP
对采用动态原型方式无法展示继承机制得思考
2009/12/04 Javascript
来自qq的javascript面试题
2010/07/24 Javascript
JavaScript与Div对层定位和移动获得坐标的实现代码
2010/09/08 Javascript
拖动布局之保存布局页面cookies篇
2010/10/29 Javascript
Js切换功能的简单方法
2010/11/23 Javascript
Jquery.LazyLoad.js修正版下载,实现图片延迟加载插件
2011/03/12 Javascript
JS打开层/关闭层/移动层动画效果的实例代码
2013/05/11 Javascript
js获取时间(本周、本季度、本月..)
2013/11/22 Javascript
JavaScript中双叹号(!!)作用示例介绍
2014/04/10 Javascript
JS for...in 遍历语句用法实例分析
2016/08/24 Javascript
基于vue.js中关于下拉框的值默认及绑定问题
2018/08/22 Javascript
详解vue中this.$emit()的返回值是什么
2019/04/07 Javascript
Js跳出两级循环方法代码实例
2020/09/22 Javascript
Python读取图片EXIF信息类库介绍和使用实例
2014/07/10 Python
transform python环境快速配置方法
2018/09/27 Python
Python操作mongodb数据库的方法详解
2018/12/08 Python
python线性插值解析
2020/07/05 Python
django下创建多个app并设置urls方法
2020/08/02 Python
Pytorch 扩展Tensor维度、压缩Tensor维度的方法
2020/09/09 Python
python 基于opencv实现高斯平滑
2020/12/18 Python
Spartoo比利时:欧洲时尚购物网站
2017/12/06 全球购物
大学校庆邀请函
2014/01/11 职场文书
宾馆总经理岗位职责
2014/02/14 职场文书
计算机大学生职业生涯规划书范文
2014/02/19 职场文书
会计电算化毕业生自荐信
2014/03/03 职场文书
共产党员公开承诺书范文
2014/03/28 职场文书
生物科学专业毕业生求职信
2014/06/02 职场文书
合作协议书格式
2014/08/19 职场文书
2014年教师节座谈会发言稿
2014/09/10 职场文书
2014年小学教师工作总结
2014/11/10 职场文书
python绘制箱型图
2021/04/27 Python
javascript对象3个属性特征
2021/11/17 Javascript