频道导航

php抓取页面与代码解析推荐

2018-12-30 PHP 前端之家

前端之家收集整理的这篇文章主要介绍了php抓取页面与代码解析推荐，前端之家小编觉得挺不错的，现在分享给大家，也给大家做个参考。

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。
下面先简单说一下本文的主要内容：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. 正则表达式
2. PHP DOMDocument对象
3. 插件(如：PHP Simple HTML DOM Parser) 如果你对以上内容已经很了解，以下内容可以飘过...... PHP抓取页面 1. file()函数
<div class="codetitle"><a style="CURSOR: pointer" data="64275" class="copybut" id="copybut64275" onclick="doCopy('code64275')"> 代码如下:

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。
<div class="codetitle"><a style="CURSOR: pointer" data="55989" class="copybut" id="copybut55989" onclick="doCopy('code55989')"> 代码如下:

3. fopen()->fread()->fclose()模式 <div class="codetitle"><a style="CURSOR: pointer" data="33963" class="copybut" id="copybut33963" onclick="doCopy('code33963')"> 代码如下:

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。
<div class="codetitle"><a style="CURSOR: pointer" data="73484" class="copybut" id="copybut73484" onclick="doCopy('code73484')"> 代码如下:

<div class="codebody" id="code73484">
<?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。
<div class="codetitle"><a style="CURSOR: pointer" data="54921" class="copybut" id="copybut54921" onclick="doCopy('code54921')"> 代码如下:<div class="codebody" id="code54921">
<?PHP
$fp = fsockopen("udp://127.0.0.1",13,$errno,$errstr);
if (!$fp) {
echo "ERROR: $errno - $errstr
\n";
} else {
fwrite($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解析xml(html) 1. 正则表达式： <div class="codetitle"><a style="CURSOR: pointer" data="37167" class="copybut" id="copybut37167" onclick="doCopy('code37167')"> 代码如下:<div class="codebody" id="code37167">
<?PHP
$url='http://t.qq.com';
$lines_string=file_get_contents($url);
eregi('(.*)',$lines_string,$title);
echo htmlspecialchars($title[0]);
?>
2. PHP DOMDocument()对象
如果远程的html或xml存在语法错误，PHP在解析dom的时候会报错。 <div class="codetitle"><a style="CURSOR: pointer" data="63871" class="copybut" id="copybut63871" onclick="doCopy('code63871')"> 代码如下:<div class="codebody" id="code63871">
<?PHP
$url='http://www.136web.cn';
$html=new DOMDocument();
$html->loadHTMLFile($url);
$title=$html->getElementsByTagName('title');
echo $title->item(0)->nodeValue;
?>
3. 插件
本文以PHP Simple HTML DOM Parser为例，进行简单介绍，simple_html_dom的语法类似jQuery，它让PHP操作dom，就像使用jQuery操作dom一样的简单。
<div class="codetitle"><a style="CURSOR: pointer" data="83761" class="copybut" id="copybut83761" onclick="doCopy('code83761')"> 代码如下:<div class="codebody" id="code83761">
<?PHP
$url='http://t.qq.com';
include_once('../simplehtmldom/simple_html_dom.PHP');
$html=file_get_html($url);
$title=$html->find('title');
echo $title[0]->plaintext;
?>
当然中国人是富有创造性的，老外往往会在技术上领先，但中国人往往会在使用上更胜一筹，往往做出一些让老外不敢想的功能，比如PHP的远程抓取与分析，本来是为数据的整合提供方便。但国人很喜欢这个，于是乎大量的采集站，它们本身不创造任何有价值的内容，就是靠抓取别人的网站内容，并把它据为己有。在百度里输入“PHP小”关键词，suggest列表第一个就是“PHP小偷程序”，然后把同样的关键词放入google，哥只能笑而不语。

代码解析抓取页面