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
一个oracle+PHP的查询的例子
Oct 09 PHP
一个php作的文本留言本的例子(三)
Oct 09 PHP
PHP中error_reporting()函数的用法(修改PHP屏蔽错误)
Jul 01 PHP
PHP运行环境配置与开发环境的配置(图文教程)
Jun 04 PHP
ThinkPHP的RBAC(基于角色权限控制)深入解析
Jun 17 PHP
PHP实现检测客户端是否使用代理服务器及其匿名级别
Jan 07 PHP
php.ini中的request_order推荐设置
May 10 PHP
PHP实现加强版加密解密类实例
Jul 29 PHP
php遍历、读取文件夹中图片并分页显示图片的方法
Nov 15 PHP
PHP中类的自动加载的方法
Mar 17 PHP
Laravel5.1 框架Middleware中间件基本用法实例分析
Jan 04 PHP
PHP实现新型冠状病毒疫情实时图的实例
Feb 04 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
PHP 查找字符串常用函数介绍
2012/06/07 PHP
php使用正则表达式提取字符串中尖括号、小括号、中括号、大括号中的字符串
2020/04/05 PHP
php验证session无效的解决方法
2014/11/04 PHP
apache中为php 设置虚拟目录
2014/12/17 PHP
php实现搜索一维数组元素并删除二维数组对应元素的方法
2015/07/06 PHP
WAF的正确bypass
2017/01/05 PHP
PHP使用imagick扩展实现合并图像的方法
2017/04/25 PHP
laravel admin实现分类树/模型树的示例代码
2020/06/10 PHP
快速保存网页中所有图片的方法
2006/06/23 Javascript
onkeyup,onkeydown和onkeypress的区别介绍
2013/10/21 Javascript
window.onload与$(document).ready()的区别分析
2015/05/30 Javascript
AngularJS初始化静态模板详解
2016/01/14 Javascript
基于javascript制作微信聊天面板
2020/08/09 Javascript
NodeJs的fs读写删除移动监听
2017/04/28 NodeJs
vue组件name的作用小结
2018/05/23 Javascript
基于vue 实现表单中password输入的显示与隐藏功能
2019/07/19 Javascript
JavaScript对象原型链原理详解
2020/02/05 Javascript
JS this关键字在ajax中使用出现问题解决方案
2020/07/17 Javascript
python字典的常用操作方法小结
2016/05/16 Python
python 返回一个列表中第二大的数方法
2019/07/09 Python
Python查找不限层级Json数据中某个key或者value的路径方式
2020/02/27 Python
Python中如何添加自定义模块
2020/06/09 Python
Pycharm Git 设置方法
2020/09/15 Python
Python collections.deque双边队列原理详解
2020/10/05 Python
c/c++某大公司的两道笔试题
2014/02/02 面试题
"火柴棍式"程序员面试题
2014/03/16 面试题
Linux内核产生并发的原因
2012/07/13 面试题
廉洁自律承诺书
2014/03/27 职场文书
精神文明建设先进工作者事迹材料
2014/05/02 职场文书
励志演讲稿600字
2014/08/21 职场文书
弘扬焦裕禄精神践行三严三实心得体会
2014/10/13 职场文书
2014年手术室工作总结
2014/11/26 职场文书
装修公司管理制度
2015/08/05 职场文书
干部作风纪律整顿心得体会
2016/01/23 职场文书
用几道面试题来看JavaScript执行机制
2021/04/30 Javascript
「约定的梦幻岛」作画发布诺曼生日新绘
2022/03/21 日漫