PHP如何实现爬取网页的功能

主要流程就是获取整个网页，然后正则匹配（关键的）。

PHP抓取页面的主要方法,有几种方法是网上前辈的经验，现在还没有用到的，先存下来以后试试。

1.file()函数

2.file_get_contents()函数

3.fopen()- fread()- fclose()模式

4.curl方式 （本人主要用这个）

5.fsockopen()函数 socket模式

6.插件(如：http://sourceforge.net/projects/snoopy/)

7.file()函数

 ?php//定义url$url= [http://t.qq.com](http://t.qq.com/) //fiel函数读取内容数组$lines_array=file($url);//拆分数组为字符串$lines_string=implode( ,$lines_array);//输出内容echo $lines_string; 

2.使用file_get_contents方法实现，比较简单。

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。

$url= [http://news.sina.com.cn/c/nd/2016-10-23/doc-ifxwztru6951143.shtml](http://news.sina.com.cn/c/nd/2016-10-23/doc-ifxwztru6951143.shtml) $html=file_get_contents($url);//如果出现中文乱码使用下面代码`//$getcontent = iconv( gb2312 , utf-8 ,$html);echo textarea >
3.fopen()- fread()- fclose()模式 ，目前还没用过，看到了就先记下了
 ?php//定义url$url= [http://t.qq.com](http://t.qq.com/) //fopen以二进制方式打开 $handle=fopen($url, rb //变量初始化$lines_string= //循环读取数据$data=fread($handle,1024); if(strlen($data)==0) {`break; $lines_string.=$data;}while(true);//关闭fopen句柄，释放资源fclose($handle);//输出内容echo $lines_string;
4.使用curl实现（本人一般使用这个）。
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。
 ?phpheader( Content-Type: text/html;charset=utf-8 date_default_timezone_set( PRC $url = http://***********ycare //要爬取的网址$res = curl_get_contents($url);//curl封装方法preg_match_all( / script (.*?) //script / ,$res,$arr_all);//这个网页中数据通过js包过来，所以直接抓js就可以preg_match_all( / id /: (.*?) ,/ ,$arr_all[1][1],$arr1);//从js块中匹配要的数据$list = array_unique($arr1[1]);//（可省）保证不重复//以下则是同理，循环则可for($i=0;$i $i=$i+2){ $detail_url = ht*****em/ .$list[$i]; $detail_res = curl_get_contents($detail_url); preg_match_all( / script (.*?) //script / ,$detail_res,$arr_detail); preg_match( / desc /: (.*?) ,/ ,$arr_detail[1][1],$arr_content); $ret=curl_post( http://**********cms.php ,$result);//此脚本未放在服务器上，原因大家懂就好哈。function curl_get_contents($url,$cookie= ,$referer= ,$timeout=300,$ishead=0) { $curl = curl_init(); curl_setopt($curl, CURLOPT_RETURNTRANSFER,1); curl_setopt($curl, CURLOPT_FOLLOWLOCATION,1); curl_setopt($curl, CURLOPT_URL,$url); curl_setopt($curl, CURLOPT_TIMEOUT,$timeout); curl_setopt($curl, CURLOPT_USERAGENT, Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.181 Safari/537.36  if($cookie) curl_setopt( $curl, CURLOPT_COOKIE,$cookie); if($referer) curl_setopt ($curl,CURLOPT_REFERER,$referer); $ssl = substr($url, 0, 8) == http:// ? TRUE : FALSE; if ($ssl) curl_setopt($curl, CURLOPT_SSL_VERIFYHOST, false); curl_setopt($curl, CURLOPT_SSL_VERIFYPEER, false); $res = curl_exec($curl); return $res; curl_close($curl);//curl post数据到服务器function curl_post($url,$data){ $ch = curl_init(); curl_setopt($ch,CURLOPT_RETURNTRANSFER,1); //curl_setopt($ch,CURLOPT_FOLLOWLOCATION, 1); curl_setopt($ch, CURLOPT_SSL_VERIFYPEER, FALSE); curl_setopt($ch,CURLOPT_USERAGENT, Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.181 Safari/537.36  curl_setopt($ch,CURLOPT_URL,$url); curl_setopt($ch,CURLOPT_POST,true); curl_setopt($ch,CURLOPT_POSTFIELDS,$data); $output = curl_exec($ch); curl_close($ch); return $output; ? 
5.fsockopen()函数 socket模式（没用过，以后可以试试）
socket模式能否正确执行，也跟服务器的设置有关系，具体可以通过phpinfo查看服务器开启了哪些通信协议
 ?php$fp = fsockopen( t.qq.com , 80, $errno, $errstr, 30);if (!$fp) { echo $errstr ($errno) br / /n } else { $out = GET / HTTP/1.1/r/n  $out .= Host: t.qq.com/r/n  $out .= Connection: Close/r/n/r/n  fwrite($fp, $out); while (!feof($fp)) { echo fgets($fp, 128); fclose($fp);}
6.snoopy插件，最新版本是Snoopy-1.2.4.zip Last Update: 2013-05-30，推荐大家使用
使用网上非常流行的snoopy来进行采集，这是一个非常强大的采集插件，并且它的使用非常方便，你也可以在里面设置agent来模拟浏览器信息。
说明：设置agent是在 Snoopy.class.php 文件的第45行，请在该文件中搜索 “var 公式输入有误_SERVER[ HTTP_USER_AGENT 可以得到浏览器信息，将echo出来的内容复制到agent里面就可以了。
 ?php//引入snoopy的类文件require( Snoopy.class.php //初始化snoopy类$snoopy=new Snoopy;$url= [http://t.qq.com](http://t.qq.com/) //开始采集内容`$snoopy- fetch($url);//保存采集内容到$lines_string$lines_string=$snoopy- results;//输出内容，嘿嘿，大家也可以保存在自己的服务器上echo $lines_string;
相关推荐：
PHP中生成器和协程是如何实现的
PHP如何实现单文件和多文件上传 ？又如何通过封装和面向对象实现文件上传
以上就是PHP如何实现爬取网页的功能的详细内容，PHP教程        
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。