PHP爬取网页的主要方法,你掌握了吗

这篇文章讲的是PHP爬取网页的主要方法,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 (本人主要用这个)
  5. fsockopen()函数 socket模式
  6. 插件(如:http://sourceforge.net/projects/snoopy/)

不要走开,接下来就分别来看看这六种方法,你掌握了几个?

1.file()函数

php
//定义url
$url='[http://t.qq.com](http://t.qq.com/)';//fiel函数读取内容数组
$lines_array=file($url);//拆分数组为字符串
$lines_string=implode('',$lines_array);//输出内容
echo $lines_string;

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](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

php

//定义url

$url='[http://t.qq.com](http://t.qq.com/)';//fopen以二进制方式打开

$handle=fopen($url,"rb");//变量初始化

$lines_string="";//循环读取数据

do{

$data=fread($handle,1024); 

if(strlen($data)==0) {`

break;

}

$lines_string.=$data;

}while(true);//关闭fopen句柄,释放资源

fclose($handle);//输出内容

echo $lines_string;

4.使用curl实现(本人一般使用这个)。

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

header("Content-Type: text/html;charset=utf-8");

date_default_timezone_set('PRC');

$url = "https://***********ycare";//要爬取的网址

$res = curl_get_contents($url);//curl封装方法

preg_match_all('/
                    
                    

你可能感兴趣的:(PHP爬取网页的主要方法,你掌握了吗)