php抓取页面的几种方法详解

2015-01-24信息快讯网

本篇文章是对php抓取页面的几种方法进行了详细的分析介绍,需要的朋友参考下

在 做一些天气预报或者RSS订阅的程序时,往往需要抓取非本地文件,一般情况下都是利用php模拟浏览器的访问,通过http请求访问url地址, 然后得到html源代码或者xml数据,得到数据我们不能直接输出,往往需要对内容进行提取,然后再进行格式化,以更加友好的方式显现出来。
下面简单说一下php抓取页面的几种方法及原理:
一、 PHP抓取页面的主要方法:
1. file()函数   
2. file_get_contents()函数 
3. fopen()->fread()->fclose()模式 
4.curl方式 
5. fsockopen()函数 socket模式 
6. 使用插件(如:http://sourceforge.net/projects/snoopy/)

二、PHP解析html或xml代码主要方式:
1. file()函数
<?php 
$url='http://t.qq.com'; 
$lines_array=file($url); 
$lines_string=implode('',$lines_array); 
echo htmlspecialchars($lines_string); 

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

3. fopen()->fread()->fclose()模式
<?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。
<?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()函数 socket模式
socket模式能否正确执行,也跟服务器的设置有关系,具体可以通过phpinfo查看服务器开启了哪些通信协议,比如我的本地php socket没开启http,只能使用udp测试一下了。
<?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
网上应该有比较多的插件,snoopy插件是在网上搜到的,有兴趣的可以研究一下。
php生成数组的使用示例 php全组合算法
PHP 动态生成静态HTML页面示例代码
php中文乱码怎么办如何让浏览器自动识别utf-8
php读取mysql的简单实例
PHP限制页面只能在微信自带浏览器访问的代码
使用PHP备份MYSQL数据的多种方法
windows下PHP_intl.dll正确配置方法(apache2.2+php5.3.5)
那些年我们错过的魔术方法(Magic Methods)
PHP mail()函数使用及配置方法
PHP curl 获取响应的状态码的方法
php file_get_contents抓取Gzip网页乱码的三种解决方法
php使用curl模拟登录后采集页面的例子
使用Curl进行抓取远程内容时url中文编码问题示例探讨
使用PHP curl模拟浏览器抓取网站信息
web server使用php生成web页面的三种方法总结
php 模拟post_验证页面的返回状态(实例讲解)
一个PHP的远程图片抓取函数分享
利用curl抓取远程页面内容的示例代码
使用php将某个目录下面的所有文件罗列出来的方法详解
深入掌握include_once与require_once的区别
深入PHP magic quotes的详解
php错误级别的设置方法
PHP大小写问题:函数名和类名不区分,变量名区分
修改php.ini以达到屏蔽错误信息并记录日志
php fsockopen伪造post与get方法的详解
VIM中设置php自动缩进为4个空格的方法详解
修改php.ini不生效问题解决方法(上传大于8M的文件)
解决File size limit exceeded 错误的方法
PHP跳转页面的几种实现方法详解
PHP输出XML到页面的3种方法详解
PHP Global变量定义当前页面的全局变量实现探讨
php 定义404页面的实现代码
php中防止恶意刷新页面的代码小结
采集邮箱的php代码(抓取网页中的邮箱地址)
©2014-2024 dbsqp.com