php抓取网页内容方法总结

dly · 发表于 2011-1-11 19:11:31

用php抓取页面的内容在实际的开发当中是非常有用的，如作一个简单的内容采集器，提取网页中的部分内容等等，抓取到的内容在通过正则表达式做一下过滤就得到了你想要的内容，至于如何用正则表达式过滤，在这里就不做介绍了，有兴趣的同学可以在本站搜索“正则表达式”，以下就是几种常用的用php抓取网页中的内容的方法。
1.file_get_contents
PHP代码

<?php
$url = "http://www.phpzixue.cn";
$contents = file_get_contents($url);
//如果出现中文乱码使用下面代码
//$getcontent = iconv("gb2312", "utf-8",$contents);
echo $contents;
?>

复制代码

2.curl
PHP代码

<?php
$url = "http://www.phpzixue.cn";
$ch = curl_init();
$timeout = 5;
curl_setopt($ch, CURLOPT_URL, $url);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
curl_setopt($ch, CURLOPT_CONNECTTIMEOUT, $timeout);
//在需要用户检测的网页里需要增加下面两行
//curl_setopt($ch, CURLOPT_HTTPAUTH, CURLAUTH_ANY);
//curl_setopt($ch, CURLOPT_USERPWD, US_NAME.":".US_PWD);
$contents = curl_exec($ch);
curl_close($ch);
echo $contents;
?>

复制代码

3.fopen->fread->fclose
PHP代码

<?php
$handle = fopen ("http://www.phpzixue.cn", "rb");
$contents = "";
do {
$data = fread($handle, 1024);
if (strlen($data) == 0) {
break;
}
$contents .= $data;
} while(true);
fclose ($handle);
echo $contents;
?>

复制代码

注：
1.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。
2.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。

D_hong · 发表于 2011-6-19 09:59:52

这个贴不错！！！

haidideyu · 发表于 2011-6-20 00:00:06

顶你一下，好贴要顶！

咫尺天 · 发表于 2011-6-22 07:59:58

回贴下载呀

mjz · 发表于 2011-6-23 12:02:00

支持楼主，顶一下

暗夜的烟火 · 发表于 2011-6-23 12:59:40

真的有意思！