快捷導(dǎo)航

php中g(shù)et_meta_tags()、CURL與user-agent用法分析

更新時(shí)間：2014年12月16日 11:31:57 投稿：shichen2014

這篇文章主要介紹了php中g(shù)et_meta_tags()、CURL與user-agent用法,以實(shí)例形式較為詳細(xì)的分析了get_meta_tags()、CURL與user-agent使用時(shí)的注意事項(xiàng)與用法,具有一定的參考借鑒價(jià)值,需要的朋友可以參考下

本文實(shí)例分析了php中g(shù)et_meta_tags()、CURL與user-agent用法。分享給大家供大家參考。具體分析如下：

get_meta_tags()函數(shù)用于抓取網(wǎng)頁(yè)中<meta name="A" content="1"><meta name="B" content="2">形式的標(biāo)簽,并裝入一維數(shù)組,name為元素下標(biāo),content為元素值,上例中的標(biāo)簽可以獲得數(shù)組:array('A'=>'1', 'b'=>'2'),其他<meta>標(biāo)簽不處理,并且此函數(shù)只處理到</head>標(biāo)簽時(shí)截止,之后的<meta>也不再繼續(xù)處理,不過(guò)<head>之前的<meta>還是會(huì)處理.

user-agent是瀏覽器在向服務(wù)器請(qǐng)求網(wǎng)頁(yè)時(shí),提交的不可見(jiàn)的頭信息的一部分,頭信息是一個(gè)數(shù)組,包含多個(gè)信息,比如本地緩存目錄,cookies等,其中user-agent是瀏覽器類型申明,比如IE、Chrome、FF等.

今天在抓取一個(gè)網(wǎng)頁(yè)的<meta>標(biāo)簽的時(shí)候,總是得到空值,但是直接查看網(wǎng)頁(yè)源代碼又是正常的,于是懷疑是否服務(wù)器設(shè)置了根據(jù)頭信息來(lái)判斷輸出,先嘗試使用get_meta_tags()來(lái)抓取一個(gè)本地的文件,然后這個(gè)本地文件將獲取的頭信息寫(xiě)入文件,結(jié)果如下,其中替換成了/,方便查看,代碼如下:

復(fù)制代碼代碼如下:

array ( 

  'HTTP_HOST' => '192.168.30.205', 

  'PATH' => 'C:/Program Files/Common Files/NetSarang;C:/Program Files/NVIDIA Corporation/PhysX/Common;C:/Program Files/Common Files/Microsoft Shared/Windows Live;C:/Program Files/Intel/iCLS Client/;C:/Windows/system32;C:/Windows;C:/Windows/System32/Wbem;C:/Windows/System32/WindowsPowerShell/v1.0/;C:/Program Files/Intel/Intel(R) Management Engine Components/DAL;C:/Program Files/Intel/Intel(R) Management Engine Components/IPT;C:/Program Files/Intel/OpenCL SDK/2.0/bin/x86;C:/Program Files/Common Files/Thunder Network/KanKan/Codecs;C:/Program Files/QuickTime Alternative/QTSystem;C:/Program Files/Windows Live/Shared;C:/Program Files/QuickTime Alternative/QTSystem/; %JAVA_HOME%/bin;%JAVA_HOME%/jre/bin;', 

  'SystemRoot' => 'C:/Windows', 

  'COMSPEC' => 'C:/Windows/system32/cmd.exe', 

  'PATHEXT' => '.COM;.EXE;.BAT;.CMD;.VBS;.VBE;.JS;.JSE;.WSF;.WSH;.MSC', 

  'WINDIR' => 'C:/Windows', 

  'SERVER_SIGNATURE' => '', 

  'SERVER_SOFTWARE' => 'Apache/2.2.11 (Win32) PHP/5.2.8', 

  'SERVER_NAME' => '192.168.30.205', 

  'SERVER_ADDR' => '192.168.30.205', 

  'SERVER_PORT' => '80', 

  'REMOTE_ADDR' => '192.168.30.205', 

  'DOCUMENT_ROOT' => 'E:/wamp/www', 

  'SERVER_ADMIN' => 'admin@admin.com', 

  'SCRIPT_FILENAME' => 'E:/wamp/www/user-agent.php', 

  'REMOTE_PORT' => '59479', 

  'GATEWAY_INTERFACE' => 'CGI/1.1', 

  'SERVER_PROTOCOL' => 'HTTP/1.0', 

  'REQUEST_METHOD' => 'GET', 

  'QUERY_STRING' => '', 

  'REQUEST_URI' => '/user-agent.php', 

  'SCRIPT_NAME' => '/user-agent.php', 

  'PHP_SELF' => '/user-agent.php', 

  'REQUEST_TIME' => 1400747529, 

)

果然在數(shù)組中沒(méi)有HTTP_USER_AGENT這個(gè)元素,apache在向另外一臺(tái)服務(wù)器發(fā)送請(qǐng)求的時(shí)候是沒(méi)有UA的,之后查了一下資料,get_meta_tags()函數(shù)沒(méi)有偽造UA的能力,所以只能使用其他辦法解決了.

后來(lái)使用CURL來(lái)獲取,就獲取到了網(wǎng)頁(yè),不過(guò)使用上稍微麻煩一點(diǎn),首先偽造UA,獲取之后在使用正則表達(dá)式分析<meta>.

偽造辦法,代碼如下:

復(fù)制代碼代碼如下:

// 初始化一個(gè) cURL 

$curl = curl_init(); 

// 設(shè)置你需要抓取的URL 

curl_setopt($curl, CURLOPT_URL, 'http://localhost/user-agent.php'); 

// 設(shè)置是否將文件頭輸出到瀏覽器，0不輸出 

curl_setopt($curl, CURLOPT_HEADER, 0); 

// 設(shè)置UA，這里是將瀏覽器的UA轉(zhuǎn)發(fā)到服務(wù)器，也可以手動(dòng)指定值 

curl_setopt($curl, CURLOPT_USERAGENT, $_SERVER['HTTP_USER_AGENT']); 

// 設(shè)置cURL 參數(shù)，要求結(jié)果返回到字符串中還是輸出到屏幕上。0輸出屏幕并返回操作結(jié)果的BOOL值，1返回字符串 

curl_setopt($curl, CURLOPT_RETURNTRANSFER, 1); 

// 運(yùn)行cURL，請(qǐng)求網(wǎng)頁(yè) 

$data = curl_exec($curl); 

// 關(guān)閉URL請(qǐng)求 

curl_close($curl); 

// 處理獲得的數(shù)據(jù) 

var_dump($data);