快捷導(dǎo)航

php抓取頁(yè)面與代碼解析推薦

更新時(shí)間：2010年07月23日 00:22:46 作者：

在做一些天氣預(yù)報(bào)或者RSS訂閱的程序時(shí)，往往需要抓取非本地文件，一般情況下都是利用php模擬瀏覽器的訪問，通過http請(qǐng)求訪問url地址，然后得到html源代碼或者xml數(shù)據(jù)。

得到數(shù)據(jù)我們不能直接輸出，往往需要對(duì)內(nèi)容進(jìn)行提取，然后再進(jìn)行格式化，以更加友好的方式顯現(xiàn)出來。
下面先簡(jiǎn)單說一下本文的主要內(nèi)容：

一、 PHP抓取頁(yè)面的主要方法：

1. file()函數(shù)
2. file_get_contents()函數(shù)
3. fopen()->fread()->fclose()模式
4.curl方式
5. fsockopen()函數(shù) socket模式
6. 使用插件(如：http://sourceforge.net/projects/snoopy/)

二、PHP解析html或xml代碼主要方式：

1. 正則表達(dá)式
2. PHP DOMDocument對(duì)象
3. 插件(如：PHP Simple HTML DOM Parser)

如果你對(duì)以上內(nèi)容已經(jīng)很了解，以下內(nèi)容可以飄過......

PHP抓取頁(yè)面

1. file()函數(shù)

復(fù)制代碼代碼如下:

 
<?php 
$url='http://t.qq.com'; 
$lines_array=file($url); 
$lines_string=implode('',$lines_array); 
echo htmlspecialchars($lines_string); 
?> 

2. file_get_contents()函數(shù)
使用file_get_contents和fopen必須空間開啟allow_url_fopen。方法：編輯php.ini，設(shè)置 allow_url_fopen = On，allow_url_fopen關(guān)閉時(shí)fopen和file_get_contents都不能打開遠(yuǎn)程文件。

復(fù)制代碼代碼如下:

 
<?php 
$url='http://t.qq.com'; 
$lines_string=file_get_contents($url); 
echo htmlspecialchars($lines_string); 
?> 

3. fopen()->fread()->fclose()模式

復(fù)制代碼代碼如下:

 
<?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必須空間開啟curl。方法：windows下修改php.ini，將extension=php_curl.dll前面的分號(hào)去掉，而且需要拷貝ssleay32.dll和libeay32.dll到C:\WINDOWS\system32下；Linux下要安裝curl擴(kuò)展。

復(fù)制代碼代碼如下:

 
<?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()函數(shù) socket模式
socket模式能否正確執(zhí)行，也跟服務(wù)器的設(shè)置有關(guān)系，具體可以通過phpinfo查看服務(wù)器開啟了哪些通信協(xié)議，比如我的本地php socket沒開啟http，只能使用udp測(cè)試一下了。

復(fù)制代碼代碼如下:

 
<?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
網(wǎng)上應(yīng)該有比較多的插件，snoopy插件是在網(wǎng)上搜到的，有興趣的可以研究一下。

PHP解析xml(html)

1. 正則表達(dá)式：

復(fù)制代碼代碼如下:

 
<?php 
$url='http://t.qq.com'; 
$lines_string=file_get_contents($url); 
eregi('<title>(.*)</title>',$lines_string,$title); 
echo htmlspecialchars($title[0]); 
?> 

2. PHP DOMDocument()對(duì)象
如果遠(yuǎn)程的html或xml存在語(yǔ)法錯(cuò)誤，php在解析dom的時(shí)候會(huì)報(bào)錯(cuò)。

復(fù)制代碼代碼如下:

 
<?php 
$url='http://www.136web.cn'; 
$html=new DOMDocument(); 
$html->loadHTMLFile($url); 
$title=$html->getElementsByTagName('title'); 
echo $title->item(0)->nodeValue; 
?> 

3. 插件
本文以PHP Simple HTML DOM Parser為例，進(jìn)行簡(jiǎn)單介紹，simple_html_dom的語(yǔ)法類似jQuery，它讓php操作dom，就像使用jQuery操作dom一樣的簡(jiǎn)單。

復(fù)制代碼代碼如下:

 
<?php 
$url='http://t.qq.com'; 
include_once('../simplehtmldom/simple_html_dom.php'); 
$html=file_get_html($url); 
$title=$html->find('title'); 
echo $title[0]->plaintext; 
?> 

當(dāng)然中國(guó)人是富有創(chuàng)造性的，老外往往會(huì)在技術(shù)上領(lǐng)先，但中國(guó)人往往會(huì)在使用上更勝一籌，往往做出一些讓老外不敢想的功能，比如php的遠(yuǎn)程抓取與分析，本來是為數(shù)據(jù)的整合提供方便。但國(guó)人很喜歡這個(gè)，于是乎大量的采集站，它們本身不創(chuàng)造任何有價(jià)值的內(nèi)容，就是靠抓取別人的網(wǎng)站內(nèi)容，并把它據(jù)為己有。在百度里輸入“php小”關(guān)鍵詞，suggest列表第一個(gè)就是“php小偷程序”，然后把同樣的關(guān)鍵詞放入google，哥只能笑而不語(yǔ)。

您可能感興趣的文章: