脚本之家 服务器常用软件
快捷导航
您的位置：首页 → 网络编程 → PHP编程 → php实例 → curl数据采集 get_html

基于curl数据采集之单页面采集函数get_html的使用

 更新时间：2013年04月28日 17:06:58   作者：  
在做数据采集时经常要使用到curl+正则的方式采集需要的数据 根据自己的工作经验 把自己写的一些常用自定义函数 与大家来分享 如果有写得不恰当的地方 请多多指教

这是一个系列 没办法在一两天写完 所以一篇一篇的发布

大致大纲：

1.curl数据采集系列之单页面采集函数get_html

2.curl数据采集系列之多页面并行采集函数get_htmls

3.curl数据采集系列之正则处理函数get _matches

4.curl数据采集系列之代码分离

5.curl数据采集系列之并行逻辑控制函数web_spider


单页面采集在数据采集过程中是最常用的一个功能 有时在服务器访问限制的情况下 只能使用这种采集方式 慢 但是可以简单的控制 所以写好一个常用的curl函数调用是很重要的

百度和网易比较熟悉 所以拿这两个网站首页采集来做例子讲解


最简单的写法：

复制代码 代码如下:

$url = 'http://www.baidu.com';
 $ch = curl_init($url);
 curl_setopt($ch,CURLOPT_RETURNTRANSFER,true);
 curl_setopt($ch,CURLOPT_TIMEOUT,5);
 $html = curl_exec($ch);
 if($html !== false){
     echo $html;
 }

由于使用频繁 可以利用curl_setopt_array写成函数的形式：
复制代码 代码如下:

function get_html($url,$options = array()){
     $options[CURLOPT_RETURNTRANSFER] = true;
     $options[CURLOPT_TIMEOUT] = 5;
     $ch = curl_init($url);
     curl_setopt_array($ch,$options);
     $html = curl_exec($ch);
     curl_close($ch);
     if($html === false){
         return false;
     }
     return $html;
 }

复制代码 代码如下:

$url = 'http://www.baidu.com';
echo get_html($url);

有时候需要传递一些特定的参数才能得到正确的页面 如现在要得到网易的页面：
复制代码 代码如下:

$url = 'http://www.163.com';
echo get_html($url);

会看到一片空白 什么也没有 那么再利用curl_getinfo写一个函数 看看发生了什么：
复制代码 代码如下:

function get_info($url,$options = array()){
     $options[CURLOPT_RETURNTRANSFER] = true;
     $options[CURLOPT_TIMEOUT] = 5;
     $ch = curl_init($url);
     curl_setopt_array($ch,$options);
     $html = curl_exec($ch);
     $info = curl_getinfo($ch);
     curl_close($ch);
     return $info;
 }
 $url = 'http://www.163.com';
 var_dump(get_info($url));

可以看到http_code 302 重定向了 这时候就需要传递一些参数了：

复制代码 代码如下:

$url = 'http://www.163.com';
$options[CURLOPT_FOLLOWLOCATION] = true;
echo get_html($url,$options);

会发现 怎么是这样的一个页面 和我们电脑访问的不同？？？

看来参数还是不够 不够服务器判断我们的客户端是什么设备上的 就返回了个普通版

看来还要传送USERAGENT

复制代码 代码如下:

$url = 'http://www.163.com';
 $options[CURLOPT_FOLLOWLOCATION] = true;
 $options[CURLOPT_USERAGENT] = 'Mozilla/5.0 (Windows NT 6.1; rv:19.0) Gecko/20100101 Firefox/19.0';
 echo get_html($url,$options);

 

OK现在页面已经出来了 这样基本这个get_html函数基本能实现这样扩展的功能

当然也有另外的办法可以实现，当你明确的知道网易的网页的时候就可以简单采集了：

复制代码 代码如下:

 $url = 'http://www.163.com/index.html';
 echo get_html($url);

这样也可以正常的采集

您可能感兴趣的文章:

相关文章

  • 让ThinkPHP支持大小写url地址访问的方法

    让ThinkPHP支持大小写url地址访问的方法

    这篇文章主要介绍了让ThinkPHP支持大小写url地址访问的方法,是Windows环境下开发ThinkPHP程序非常实用的技巧,需要的朋友可以参考下
    2014-10-10
  • smarty中改进truncate使其支持中文的方法

    smarty中改进truncate使其支持中文的方法

    这篇文章主要介绍了smarty中改进truncate使其支持中文的方法,涉及针对Smarty源码中truncate源文件进行函数功能扩展的相关技巧,需要的朋友可以参考下
    2016-05-05
  • CI框架文件上传类及图像处理类用法分析

    CI框架文件上传类及图像处理类用法分析

    这篇文章主要介绍了CI框架文件上传类及图像处理类用法,设计CI框架图片上传及缩略图操作的相关技巧,需要的朋友可以参考下
    2016-05-05
  • zend framework文件上传功能实例代码

    zend framework文件上传功能实例代码

    zend framework文件上传功能实例代码,php的版本5.3.8，zend framework的版本1.12,看下面的代码吧，有注释
    2013-12-12
  • PHP实用函数分享之去除多余的0

    PHP实用函数分享之去除多余的0

    本系列文章是给大家分享一些常见的实用的PHP函数，本文是第一篇，我们来一个简单的，去除多余的0
    2015-02-02
  • PHP中Closure类的使用方法及详解

    PHP中Closure类的使用方法及详解

    Closure类又被大家称之为匿名函数，在php5.3的时候引入的。顾名思义匿名函数就是没有定义名字的函数。本篇文章给大家介绍php中Closure类的使用及详解，需要的朋友可以参考下
    2015-10-10
  • VSCode+PHPstudy配置PHP开发环境的步骤详解

    VSCode+PHPstudy配置PHP开发环境的步骤详解

    这篇文章主要介绍了VSCode+PHPstudy配置PHP开发环境,本文分步骤给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下
    2020-08-08
  • Zend Framework教程之Zend_Controller_Plugin插件用法详解

    Zend Framework教程之Zend_Controller_Plugin插件用法详解

    这篇文章主要介绍了Zend Framework教程之Zend_Controller_Plugin插件用法,结合实例形式详细分析了Zend_Controller_Plugin插件的原理,使用方法与相关注意事项,需要的朋友可以参考下
    2016-03-03
  • php 生成Tab键或逗号分隔的CSV

    php 生成Tab键或逗号分隔的CSV

    这篇文章主要介绍了php 生成Tab键或逗号分隔的CSV的相关资料,代码简单易懂，非常不错，具有参考借鉴价值，需要的朋友可以参考下
    2016-09-09
  • PHP的bz2压缩扩展工具详解

    PHP的bz2压缩扩展工具详解

    今天，我们先学习一个比较简单但不太常用的压缩格式：Bzip2，对PHP的bz2压缩扩展工具相关知识感兴趣的朋友跟随小编一起学习吧
    2021-05-05

最新评论