php 爬取网页

主要流程就是获取整个网页,然后正则匹配(关键的)。

PHP抓取页面的主要方法,有几种方法是网上前辈的经验,现在还没有用到的,先存下来以后试试。

  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. 插件(如:http://sourceforge.net/projects/snoopy/)

  7. file()函数

2.使用file_get_contents方法实现,比较简单。


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。

$url="http://news.sina.com.cn/c/nd/2016-10-23/doc-ifxwztru6951143.shtml";
$html=file_get_contents($url);
//如果出现中文乱码使用下面代码`
//$getcontent = iconv("gb2312", "utf-8",$html);
echo"";

  3、fopen()->fread()->fclose()模式 ,目前还没用过,看到了就先记下了

 

4.使用curl实现


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。

(.*?)<\/script>/',$res,$arr_all);//这个网页中数据通过js包过来,所以直接抓js就可以
preg_match_all('/"id"\:"(.*?)",/',$arr_all[1][1],$arr1);//从js块中匹配要的数据
$list = array_unique($arr1[1]);//(可省)保证不重复
//以下则是同理,循环则可
for($i=0;$i<=6;$i=$i+2){
    $detail_url = 'ht*****em/'.$list[$i];
    $detail_res = curl_get_contents($detail_url);
    preg_match_all('/
                    
                    

你可能感兴趣的:(php)