分享下页面关键字抓取www.icbase.com站点代码(带asp.net参数的)
2015-01-24信息快讯网
这篇文章主要介绍了分享下页面关键字抓取www.icbase.com站点代码(带asp.net参数的)的相关资料,需要的朋友可以参考下
<?php /** * HOST: www.icbase.com */ //set_time_limit(0); // base function function curl_get($url, $data = array(), $header = array(), $timeout = 15, $port = 80, $reffer = '', $proxy = '') { $ch = curl_init(); if (!empty($data)) { $data = is_array($data)?http_build_query($data): $data; $url .= (strpos($url,'?')? '&': "?") . $data; } curl_setopt($ch, CURLOPT_URL, $url); curl_setopt($ch, CURLOPT_RETURNTRANSFER, true); curl_setopt($ch, CURLOPT_CONNECTTIMEOUT, $timeout); curl_setopt($ch, CURLOPT_POST, 0); curl_setopt($ch, CURLOPT_PORT, $port); curl_setopt($ch, CURLOPT_HTTPHEADER, $header); curl_setopt($ch, CURLOPT_FOLLOWLOCATION, 1); //是否抓取跳转后的页面 $reffer && curl_setopt($ch, CURLOPT_REFERER, $reffer); if($proxy) { curl_setopt($ch, CURLOPT_PROXY, $proxy); curl_setopt($ch, CURLOPT_PROXYPORT, 1723); curl_setopt($ch, CURLOPT_PROXYUSERPWD,"andhm001:andhm123"); } $result = array(); $result['result'] = curl_exec($ch); if (0 != curl_errno($ch)) { $result['error'] = "Error:\n" . curl_error($ch); } curl_close($ch); return $result; }
function curl_post($url, $data = array(), $header = array(), $timeout = 5, $port = 80) { $ch = curl_init(); curl_setopt($ch, CURLOPT_URL, $url); curl_setopt($ch, CURLOPT_RETURNTRANSFER, true); curl_setopt($ch, CURLOPT_CONNECTTIMEOUT, $timeout); //curl_setopt($ch, CURLOPT_PORT, $port); !empty ($header) && curl_setopt($ch, CURLOPT_HTTPHEADER, $header); curl_setopt($ch, CURLOPT_POST, 1); curl_setopt($ch, CURLOPT_POSTFIELDS, $data); $result = array(); $result['result'] = curl_exec($ch); if (0 != curl_errno($ch)) { $result['error'] = "Error:\n" . curl_error($ch); } curl_close($ch); return $result; } /** * 获取列表页的html源码 * @param string $keywords 搜索关键字 * @param int $page 页数 * @return boolean|array */ function getListHtml($keywords, $page=1) { if ($page < 0) { return false; } $page = $page == 0 ? 1 : intval($page); if ($page == 1) { $result = curl_get('http://www.icbase.com/ProResult.aspx', array('ProKey' => $keywords)); if ( isset($result['error']) ) { return false; //exit($result['error']); } $result = $result['result']; // asp.net post提交数据 if(! defined('__VIEWSTATE') && preg_match('/<input\s+type="hidden"\s+name="__VIEWSTATE"\s+id="__VIEWSTATE"\s+value="(.[^"]+)"/isU', $result, $matches)) { define('__VIEWSTATE', $matches[1]); } else { return false; } if(! defined('__PREVIOUSPAGE') && preg_match('/<input\s+type="hidden"\s+name="__PREVIOUSPAGE"\s+id="__PREVIOUSPAGE"\s+value="(.[^"]+)"/isU', $result, $matches)) { define('__PREVIOUSPAGE', $matches[1]); } else { return false; } if(! defined('__EVENTVALIDATION') && preg_match('/<input\s+type="hidden"\s+name="__EVENTVALIDATION"\s+id="__EVENTVALIDATION"\s+value="(.[^"]+)"/isU', $result, $matches)) { define('__EVENTVALIDATION', $matches[1]); } else { return false; } return $result; } $data = array( '__EVENTTARGET' => 'pager', '__EVENTARGUMENT' => $page, '__VIEWSTATE' => __VIEWSTATE, '__PREVIOUSPAGE' => __PREVIOUSPAGE, '__EVENTVALIDATION' => __EVENTVALIDATION, ); $result = curl_post('http://www.icbase.com/ProResult.aspx?ProKey=' . $keywords, $data); if ( isset($result['error']) ) { return false; //exit($result['error']); } $result = $result['result']; return $result; } /** * 获取列表页 a链接的url * @param string $html html源码 * @return array */ function getListHref($html) { $pattern = '/<a\s+href=\'(.[^\']+)\'\s+target="_blank"\s*>[\s\n]*<img.+[^>]\/>/isU'; if (preg_match_all($pattern, $html, $matches)) { return $matches[1]; } else { // 没有匹配项 return array(); } } /** * 获取下一页数字 * @param string $html html源码 * @return number */ function getListNextPage($html) { $pattern = '/<div\s+id="Pager".+[^>]>.+<a\s+href="javascript\:__doPostBack\(\'Pager\',\'(\d+)\'\)">><\/a>/isU'; if (preg_match($pattern, $html, $matches)) { return intval($matches[1]); } else { return -1; } } /** * 获取列表也所有的href * @param string $keywords 搜索关键字 * @return boolean|array */ function getListHrefAll($keywords) { if (empty($keywords)) { return false; } $html = getListHtml($keywords); $hrefList = getListHref($html); if (empty($hrefList)) { // 没有结果 return array(); } $nextPage = getListNextPage($html); while ($nextPage > 0) { $html = getListHtml($keywords, $nextPage); $tmpHrefList = getListHref($html); $hrefList = array_merge($hrefList, $tmpHrefList); $nextPage = getListNextPage($html); } return $hrefList; } /** * 获取详情页信息 * @param string $url url地址或者是抓取到的html源代码 根据@see $is_url 区分 * @param int $is_url 1使用的是url地址 0直接处理html源代码 * @return boolean|multitype:|multitype:string */ function getDetail($url, $is_url = 1) { if ( empty($url) ) { return false; } $host = 'www.icbase.com'; $html = $url; if ($is_url) { $url = '/' . ltrim($url, '/'); $result = curl_get($host . $url); if ( isset($result['error']) ) { exit($result['error']); } $html = $result['result']; } $result = array( 'sup_part' => '', // 供应商型号 'sup_id' => '', // 供应商ID 'mfg_part' => '', // 制造商型号 'mfg_name' => '', // 制造商名称 'cat_name' => '', // 分类名称 'para' => '', // 属性 'desc' => '', // 描述 'pdf_url' => '', // PDF地址 'sup_stock' => '', // 库存 'min_purch' => '', // 最小订购量 'price' => '', // 价格 'img_url' => '', // 图片地址 'createtime' => '', // 创建时间 'datacode' => '', // 批号 'package' => '', // 封装 'page_url' => '', // 页面地址 ); // mfg_part $pattern = '/<td>产品型号<\/td><td>(.[^<]+)</isU'; if (preg_match($pattern, $html, $matches)) { $result['mfg_part'] = trim($matches[1]); } else { // 此项木有,说明也没处处了 return array(); } // mfg_name $pattern = '/<td>厂商<\/td>[\s\n]*<td>(.+)<\/td>/isU'; if (preg_match($pattern, $html, $matches)) { $result['mfg_name'] = trim($matches[1]); } // para $pattern = '/<tr\s+style="background-color:#E9E9E9;color:black; font-weight:bold;">(.+)<\/tr><\/table>/isU'; if (preg_match($pattern, $html, $matches)) { if (preg_match_all('/<td>(.+)<\/td>/isU', $matches[1], $matches)) { $count = count($matches[1]); $count = intval($count / 2 ); foreach ($matches[1] as $k=>$v) { if ($k >= $count) { break; } if (trim($v) == '描述') { // desc $result['desc'] = trim($matches[1][$count + $k]); continue; } $v = trim($v); $result['para'][$v] = trim($matches[1][$count + $k]); } } } // pdf_url $pattern = '/<td>详细资料<\/td><td><a\s+href="(.[^"]+)"/isU'; if (preg_match($pattern, $html, $matches)) { $result['pdf_url'] = trim($matches[1]); } // sup_stock $pattern = '/<td>库存数量<\/td>[\s\n]*<td>(\d+)<\/td>/isU'; if (preg_match($pattern, $html, $matches)) { $result['sup_stock'] = trim($matches[1]); } // price $pattern = '/<tr><td.[^>]+>(\d+)\+<\/td><td.[^>]+>.[^\d]*([\d.]+)<\/td><\/tr>/isU'; if (preg_match_all($pattern, $html, $matches)) { foreach ($matches[1] as $k=>$v) { $result['price'][$v] = '¥' . $matches[2][$k]; } } //img_url $pattern = '/<td>图片<\/td><td><img\s+src="(.[^"]+)"/isU'; if (preg_match($pattern, $html, $matches)) { $result['img_url'] = trim($matches[1]); } // page_url if ($is_url) { $result['page_url'] = $host . $url; } return $result; } /** * 最终调用函数 * @param string $keywords 搜索关键字 * @return array */ function getData($keywords) { $hrefList = getListHrefAll($keywords); $result = array(); foreach ($hrefList as $k=>$v) { $result[] = getDetail($v); } return $result; } // Test Script $keywords = trim($_GET['keywords']); $result = getData($keywords); print_r($result);
php中json_encode处理gbk与gb2312中文乱码问题的解决方法
yii操作cookie实例简介
PHP类中的魔术方法(Magic Method)简明总结
PHP的魔术常量__METHOD__简介
php去掉URL网址中带有PHPSESSID的配置方法
php发送get、post请求的6种方法简明总结
php操作redis中的hash和zset类型数据的方法和代码例子
采用memcache在web集群中实现session的同步会话
CodeIgniter实现更改view文件夹路径的方法
php socket客户端及服务器端应用实例
CodeIgniter安全相关设置汇总
PHP中遇到BOM、<feff>编码导致json_decode函数无法解析问题
ThinkPHP框架实现session跨域问题的解决方法
ThinkPHP的模版中调用session数据的方法
ThinkPHP模板判断输出Defined标签用法详解
PHP执行Curl时报错提示CURL ERROR: Recv failure: Connection reset by peer的解决方法
ThinkPHP2.0读取MSSQL提示Incorrect syntax near the keyword 'AS'的解决方法
PHP错误Parse error: syntax error, unexpected end of file in test.php on line 12解决方法
解决cPanel无法安装php5.2.17
分享下页面关键字抓取components.arrow.com站点代码
php内核解析:PHP中的哈希表
两级联动select刷新后其值保持不变的实现方法
PHP 利用Mail_MimeDecode类提取邮件信息示例
curl不使用文件存取cookie php使用curl获取cookie示例
php使用base64加密解密图片示例分享
php递归函数中使用return的注意事项
那些年我们错过的魔术方法(Magic Methods)
php环境下利用session防止页面重复刷新的具体实现
codeigniter框架批量插入数据
PHP修改session_id示例代码
ini_set的用法介绍
codeigniter使用技巧批量插入数据实例方法分享
php制作unicode解码工具(unicode编码转换器)代码分享
解决file_get_contents无法请求https连接的方法
php 模拟 asp.net webFrom 按钮提交事件的思路及代码
PHP使用SOAP调用.net的WebService数据
php define的第二个参数使用方法
简单实用的.net DataTable导出Execl
关于php程序报date()警告的处理(date_default_timezone_set)