本文實例講述了PHP使用Curl實現(xiàn)模擬登錄及抓取數(shù)據(jù)功能。分享給大家供大家參考，具體如下：

使用PHP的Curl擴展庫可以模擬實現(xiàn)登錄，并抓取一些需要用戶賬號登錄以后才能查看的數(shù)據(jù)。具體實現(xiàn)的流程如下（個人總結(jié)）：

1. 首先需要對相應(yīng)的登錄頁面的html源代碼進行分析，獲得一些必要的信息：

（1）登錄頁面的地址；

（2）驗證碼的地址；

（3）登錄表單需要提交的各個字段的名稱和提交方式；

（4）登錄表單提交的地址；

（5）另外要需要知道要抓取的數(shù)據(jù)所在的地址。

2. 獲取cookie并存儲（針對使用cookie文件的網(wǎng)站）：

$login_url = 'http://www.xxxxx';  //登錄頁面地址
$cookie_file = dirname(__FILE__)."/pic.cookie";  //cookie文件存放位置（自定義）
$ch = curl_init();
curl_setopt($ch, CURLOPT_URL, $login_url);
curl_setopt($ch, CURLOPT_HEADER, 0);
curl_setopt($ch, CURLOPT_RETURNTRANSFER,1);
curl_setopt($ch, CURLOPT_COOKIEJAR, $cookie_file);
curl_exec($ch);
curl_close($ch);

3. 獲取驗證碼并存儲（針對使用驗證碼的網(wǎng)站）：

$verify_url = "http://www.xxxx";   //驗證碼地址
$ch = curl_init();
curl_setopt($ch, CURLOPT_URL, $verify_url);
curl_setopt($ch, CURLOPT_COOKIEFILE, $cookie_file);
curl_setopt($ch, CURLOPT_HEADER, 0);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
$verify_img = curl_exec($ch);
curl_close($ch);
$fp = fopen("./verify/verifyCode.png",'w');  //把抓取到的圖片文件寫入本地圖片文件保存
fwrite($fp, $verify_img);
fclose($fp);

說明：

由于不能實現(xiàn)驗證碼的識別，所以我這里的做法是，把驗證碼圖片抓取下來存放到本地文件中，然后在自己項目中的html頁面中顯示，讓用戶去填寫，等用戶填寫完賬號、密碼和驗證碼，并點擊提交按鈕之后再去進行下一步的操作。

4. 模擬提交登錄表單：

$ post_url = 'http://www.xxxx';   //登錄表單提交地址
$post = "username=$account&password=$password&seccodeverify=$verifyCode";//表單提交的數(shù)據(jù)（根據(jù)表單字段名和用戶輸入決定）
$ch = curl_init();
curl_setopt($ch, CURLOPT_URL, $ post_url);
curl_setopt($ch, CURLOPT_HEADER, false);
curl_setopt($ch, CURLOPT_RETURNTRANSFER,1);
curl_setopt($ch, CURLOPT_POSTFIELDS, $post);     //提交方式為post
curl_setopt($ch, CURLOPT_COOKIEFILE, $cookie_file);
curl_exec($ch);
curl_close($ch);

5. 抓取數(shù)據(jù)：

$data_url = "http://www.xxxx";   //數(shù)據(jù)所在地址
$ch = curl_init();
curl_setopt($ch, CURLOPT_URL, $data_url);
curl_setopt($ch, CURLOPT_HEADER, false);
curl_setopt($ch, CURLOPT_HEADER, 0);
curl_setopt($ch, CURLOPT_RETURNTRANSFER,0);
curl_setopt($ch, CURLOPT_COOKIEFILE, $cookie_file);
$data = curl_exec($ch);
curl_close($ch);

到目前為止，已經(jīng)把數(shù)據(jù)所在地址的這個頁面都抓取下來存儲在字符串變量$data中了。

需要注意的是抓取下來的是一個網(wǎng)頁的html源代碼，也就是說這個字符串中不僅包含了你想要的數(shù)據(jù)，還包含了許多的html標簽等你不想要的東西。所以如果你想要從中提取出你需要的數(shù)據(jù)的話，你還要對存放數(shù)據(jù)的頁面的html代碼進行分析，然后結(jié)合字符串操作函數(shù)、正則匹配等方法從中提取出你想要的數(shù)據(jù)。

以上方法對使用http協(xié)議的一般網(wǎng)站是有效的。但是如果你要模擬登錄的是使用了https協(xié)議的網(wǎng)站的話還需要添加如下一些處理：

1. 跳過https驗證：

curl_setopt($curl, CURLOPT_SSL_VERIFYPEER, false);
curl_setopt($curl, CURLOPT_SSL_VERIFYHOST, false);

2. 使用用戶代理：

$UserAgent = 'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.0; SLCC1; .NET CLR 2.0.50727; .NET CLR 3.0.04506; .NET CLR 3.5.21022; .NET CLR 1.0.3705; .NET CLR 1.1.4322)';
curl_setopt($curl, CURLOPT_USERAGENT, $UserAgent);

注意：如果不添加這些處理的話模擬登錄時是不能成功的。

使用以上程序模擬登錄網(wǎng)站一般都是能成功的，但是實際上還是需要針對模擬登錄的網(wǎng)站具體情況具體考慮。例如：有些網(wǎng)站編碼不同，所以你抓取下來的頁面是亂碼的，這時就要進行一下編碼轉(zhuǎn)換，如：$data = iconv("gb2312", "utf-8",$data);，把gbk編碼轉(zhuǎn)換為utf8編碼。還有一些對安全性要求比較高的網(wǎng)站，比如網(wǎng)銀，會把驗證碼放在一個內(nèi)聯(lián)框架中，這時你就需要先抓取到內(nèi)聯(lián)框架的頁面然后在從中提取出驗證碼的地址，再去抓取驗證碼。還有一些網(wǎng)站（比如網(wǎng)銀）是在js代碼中去提交表單的，提交表單之前還會去做一些處理，比如加密等，所以如果你是直接提交的話也是不能登錄成功的，你必須要去做類似的處理后再提交，但是這種情況如果你能知道js代碼中進行的具體操作，比如加密的話，加密算法是怎樣的，你就可以進行跟它一樣的處理，然后再去提交數(shù)據(jù)，這樣也是能成功的。但是，關(guān)鍵的地方來了，如果你根本不知道它進行的是什么操作，比如它進行了加密，但是你不知道加密的具體算法，那么你就無法進行相同的操作，也就不能成功地模擬登錄了。這方面典型的案例就是網(wǎng)銀，它在js代碼中提交表單之前使用網(wǎng)銀控件對用戶提交的密碼和驗證碼進行了一些處理，但是我們根本不知道它進行的是什么操作，所以無法模擬。所以如果你以為你看了本文之后就能模擬登錄網(wǎng)銀的話那么你就太天真了，人家銀行的網(wǎng)站能那么容易被你模擬登錄嗎？當(dāng)然，如果你能破解網(wǎng)銀控件的話，那就另當(dāng)別論了。話說回來，為什么我的感受如此深刻，因為我就遇到這個難題了，不說了，說多了都是淚啊。。。

更多關(guān)于PHP相關(guān)內(nèi)容感興趣的讀者可查看本站專題：《php curl用法總結(jié)》、《PHP網(wǎng)絡(luò)編程技巧總結(jié)》、《PHP數(shù)組(Array)操作技巧大全》、《php字符串(string)用法總結(jié)》、《PHP數(shù)據(jù)結(jié)構(gòu)與算法教程》、《php程序設(shè)計算法總結(jié)》、《PHP運算與運算符用法總結(jié)》及《php常見數(shù)據(jù)庫操作技巧匯總》

希望本文所述對大家PHP程序設(shè)計有所幫助。

最新評論