php抓取页面的几种方法详解


Posted in PHP onJune 17, 2013

在 做一些天气预报或者RSS订阅的程序时,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 
$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 相关文章推荐
需要发散思维学习PHP
Jun 29 PHP
打造超酷的PHP数据饼图效果实现代码
Nov 23 PHP
php中通过curl模拟登陆discuz论坛的实现代码
Feb 16 PHP
php获取字段名示例分享
Mar 03 PHP
PHP实现服务器状态监控的方法
Dec 09 PHP
详细解读PHP中接口的应用
Aug 12 PHP
PHP抓取淘宝商品的用户晒单评论+图片+搜索商品列表实例
Apr 14 PHP
PHPStrom 新建FTP项目以及在线操作教程
Oct 16 PHP
php自定义截取中文字符串-utf8版
Feb 27 PHP
Yii框架使用魔术方法实现跨文件调用功能示例
May 20 PHP
PHPTree――php快速生成无限级分类
Mar 30 PHP
零基础php编程好学吗
Oct 11 PHP
深入PHP magic quotes的详解
Jun 17 #PHP
php错误级别的设置方法
Jun 17 #PHP
PHP大小写问题:函数名和类名不区分,变量名区分
Jun 17 #PHP
修改php.ini以达到屏蔽错误信息并记录日志
Jun 16 #PHP
php fsockopen伪造post与get方法的详解
Jun 14 #PHP
探讨:parse url解析URL,返回其组成部分
Jun 14 #PHP
PHP可变函数的使用详解
Jun 14 #PHP
You might like
在JavaScript中调用php程序
2009/03/09 PHP
php expects parameter 1 to be resource, array given 错误
2011/03/23 PHP
PHP数据库操作之基于Mysqli的数据库操作类库
2014/04/19 PHP
php利用cookie实现自动登录的方法
2014/12/10 PHP
php对象在内存中的存在形式分析
2015/02/03 PHP
php获取本周星期一具体日期的方法
2015/04/20 PHP
php app支付宝回调(异步通知)详解
2018/07/25 PHP
php基于协程实现异步的方法分析
2019/07/17 PHP
php提供实现反射的方法和实例代码
2019/09/17 PHP
一直复略了的一个问题,关于表单重复提交
2007/02/15 Javascript
IE6弹出“已终止操作”的解决办法
2010/11/27 Javascript
25个好玩的JavaScript小游戏分享
2011/04/22 Javascript
jquery提取元素里的纯文本不包含span等里的内容
2013/09/30 Javascript
js 获取元素下面所有li的两种方法
2014/04/14 Javascript
移动端横屏的JS代码(beta)
2016/05/16 Javascript
angularjs实现下拉列表的选中事件示例
2017/03/03 Javascript
基于BootStrap的前端分页带省略号和上下页效果
2017/05/18 Javascript
解决vue中使用swiper插件问题及swiper在vue中的用法
2018/04/04 Javascript
vue2.0的虚拟DOM渲染思路分析
2018/08/09 Javascript
nodejs同步调用获取mysql数据时遇到的大坑
2019/03/02 NodeJs
layui实现数据分页功能
2019/07/27 Javascript
微信域名检测接口调用演示步骤(含PHP、Python)
2019/12/08 Javascript
基于js实现的图片拖拽排序源码实例
2020/11/04 Javascript
Python中的getopt函数使用详解
2015/07/28 Python
Python简单定义与使用二叉树示例
2018/05/11 Python
OpenCV-Python 摄像头实时检测人脸代码实例
2019/04/30 Python
django中SMTP发送邮件配置详解
2019/07/19 Python
使用keras内置的模型进行图片预测实例
2020/06/17 Python
goodhealth官方海外旗舰店:新西兰国民营养师
2017/12/15 全球购物
Tirendo比利时:在线购买轮胎
2018/10/22 全球购物
全球性的女装店:storets
2019/06/12 全球购物
企划经理的岗位职责
2013/11/17 职场文书
医药销售自我评价200字
2014/09/11 职场文书
运动会口号霸气押韵
2015/12/24 职场文书
公文写作:新员工转正申请书范本3篇!
2019/08/07 职场文书
请求模块urllib之PYTHON爬虫的基本使用
2022/04/08 Python