curl實現(xiàn)站外采集的方法和技巧
選擇curl的理由
關(guān)于curl與file_get_contents,摘抄一段通俗易懂的對比:
file_get_contents其實是一堆內(nèi)置的文件操作函數(shù)的合并版本,比如file_exists,fopen,fread,fclose,專門提供給懶人用的,而且它主要是用來對付本地文件的,但又是因為懶人的原因,同時加入了對網(wǎng)絡(luò)文件的支持;
curl是專門用來進行網(wǎng)絡(luò)交互的庫,提供了一堆自定義選項,用來應(yīng)對不同的環(huán)境,穩(wěn)定性自然要大于file_get_contents。
使用方法
1、開啟curl支持
由于php環(huán)境安裝后默認是沒有打開curl支持的,需修改php.ini文件,找到;extension=php_curl.dll,把前面的冒號去掉,重啟服務(wù)即可;
2、使用curl進行數(shù)據(jù)抓取
// 初始化一個 cURL 對象
$curl = curl_init();
// 設(shè)置你需要抓取的URL
curl_setopt($curl, CURLOPT_URL, 'http://www.cmx8.cn');
// 設(shè)置header
curl_setopt($curl, CURLOPT_HEADER, 1);
// 設(shè)置cURL 參數(shù),要求結(jié)果保存到字符串中還是輸出到屏幕上。
curl_setopt($curl, CURLOPT_RETURNTRANSFER, 1);
// 運行cURL,請求網(wǎng)頁
$data = curl_exec($curl);
// 關(guān)閉URL請求
curl_close($curl);
3、通過正則匹配找到關(guān)鍵數(shù)據(jù)
//$data是curl_exec返回的的值,即采集的目標(biāo)內(nèi)容
preg_match_all("/<li class=\"item\">(.*?)<\/li>/",$data, $out, PREG_SET_ORDER);
foreach($out as $key => $value){
//此處$value是數(shù)組,同時記錄找到帶匹配字符的整句和單獨匹配的字符
echo '匹配到的整句:'.$value[0].'
';
echo '單獨匹配到的:'.$value[1].'
';
}
技巧
1、超時的相關(guān)設(shè)置
通過curl_setopt($ch, opt) 可以設(shè)置一些超時的設(shè)置,主要包括:
CURLOPT_TIMEOUT 設(shè)置cURL允許執(zhí)行的最長秒數(shù)。
CURLOPT_TIMEOUT_MS 設(shè)置cURL允許執(zhí)行的最長毫秒數(shù)。 (在cURL 7.16.2中被加入。從PHP 5.2.3起可使用。 )
CURLOPT_CONNECTTIMEOUT 在發(fā)起連接前等待的時間,如果設(shè)置為0,則無限等待。
CURLOPT_CONNECTTIMEOUT_MS 嘗試連接等待的時間,以毫秒為單位。如果設(shè)置為0,則無限等待。 在cURL 7.16.2中被加入。從PHP 5.2.3開始可用。
CURLOPT_DNS_CACHE_TIMEOUT 設(shè)置在內(nèi)存中保存DNS信息的時間,默認為120秒。
curl_setopt($ch, CURLOPT_TIMEOUT, 60); //只需要設(shè)置一個秒的數(shù)量就可以
curl_setopt($ch, CURLOPT_NOSIGNAL, 1); //注意,毫秒超時一定要設(shè)置這個
curl_setopt($ch, CURLOPT_TIMEOUT_MS, 200); //超時毫秒,cURL 7.16.2中被加入。從PHP 5.2.3起可使用
2、通過post提交數(shù)據(jù),保留cookie
//以下摘抄一個例子過來,用于學(xué)習(xí)借鑒:
//Curl 模擬登錄 discuz 程序,適合DZ7.0
!extension_loaded('curl') && die('The curl extension is not loaded.');
$discuz_url = 'http://www.lxvoip.com';//論壇地址
$login_url = $discuz_url .'/logging.php?action=login';//登錄頁地址
$get_url = $discuz_url .'/my.php?item=threads'; //我的帖子
$post_fields = array();
//以下兩項不需要修改
$post_fields['loginfield'] = 'username';
$post_fields['loginsubmit'] = 'true';
//用戶名和密碼,必須填寫
$post_fields['username'] = 'lxvoip';
$post_fields['password'] = '88888888';
//安全提問
$post_fields['questionid'] = 0;
$post_fields['answer'] = '';
//@todo驗證碼
$post_fields['seccodeverify'] = '';
//獲取表單FORMHASH
$ch = curl_init($login_url);
curl_setopt($ch, CURLOPT_HEADER, 0);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
$contents = curl_exec($ch);
curl_close($ch);
preg_match('/<input\s*type="hidden"\s*name="formhash"\s*value="(.*?)"\s*\/>/i', $contents, $matches);
if(!empty($matches)) {
$formhash = $matches[1];
} else {
die('Not found the forumhash.');
}
//POST數(shù)據(jù),獲取COOKIE
$cookie_file = dirname(__FILE__) . '/cookie.txt';
//$cookie_file = tempnam('/tmp');
$ch = curl_init($login_url);
curl_setopt($ch, CURLOPT_HEADER, 0);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
curl_setopt($ch, CURLOPT_POST, 1);
curl_setopt($ch, CURLOPT_POSTFIELDS, $post_fields);
curl_setopt($ch, CURLOPT_COOKIEJAR, $cookie_file);
curl_exec($ch);
curl_close($ch);
//帶著上面得到的COOKIE獲取需要登錄后才能查看的頁面內(nèi)容
$ch = curl_init($get_url);
curl_setopt($ch, CURLOPT_HEADER, 0);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 0);
curl_setopt($ch, CURLOPT_COOKIEFILE, $cookie_file);
$contents = curl_exec($ch);
curl_close($ch);
var_dump($contents);
相關(guān)文章
php實現(xiàn)跨域提交form表單的方法【2種方法】
這篇文章主要介紹了php實現(xiàn)跨域提交form表單的方法,結(jié)合實例形式分析了curl及ajax兩種方法進行跨域提交的操作技巧,需要的朋友可以參考下2016-10-10PHP排序算法之歸并排序(Merging Sort)實例詳解
這篇文章主要介紹了PHP排序算法之歸并排序(Merging Sort),結(jié)合實例形式詳細分析了php歸并排序的原理、定義、使用方法及相關(guān)操作注意事項,需要的朋友可以參考下2018-04-04