php curl 自定义get方法抓取网页

假設我們使用get方法請求一個網頁，得到網頁內容後可以符合出對應的內容。

我們可以使用curl封裝一個函數，假設函數名稱就是get。傳入url就能請求指定的網頁，將指定網頁的HTML程式碼回傳回來。程式碼如下：

function get($url) {
    //初使化curl
    $ch = curl_init();
    //请求的url，由形参传入
    curl_setopt($ch, CURLOPT_URL, $url);
    //将得到的数据返回
    curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
    //不处理头信息
    curl_setopt($ch, CURLOPT_HEADER, 0);
    //连接超过10秒超时
    curl_setopt($ch, CURLOPT_TIMEOUT, 10);
    //执行curl
    $output = curl_exec($ch);
    //关闭资源
    curl_close($ch);
    //返回内容
    return $output;
}

我們現在使用我們所寫的get方法，請求網易的一個列表，將標題和url抓取出來。

我們可以先用get方法中傳入一個URL。得到這個網址所對應網頁的html。

網址為新媒體觀察網站的新聞列表頁：http://www.xmtnews.com/events 。

將紅色區域採集下來：

一、得到採紅色區間的html 

這個區間從下面的HTML程式碼開始：

<section class="ov">

在以下程式碼結束：

<div class="hr-10"></div>

使用preg_match寫一個正規表示示就符合就符合就得到了紅色區間的HTML。將符合到的HTML賦值給變數$area。

匹配的正規表示如下：

<section class="ov">(.*?)<div class="hr-10"><\/div>/mis'

二、在紅色區域匹配標題和標題的URL

我們發現所有的標題都在<h3>標籤裡面。我們使用preg_match_all寫一個正規表示示。

preg_match_all('/<h3><a href="(.*?)" title=".*?" class="headers" target="_blank">(.*?)<\/a><\/h3>/mis', $area, $find);

將url和內容配對出來的內容放置到$find中，將$find數組，印出來就可以看到匹配的結果了。

如果需要，也可以循環讀取顯示每一行標題和每一行URL。

全部程式碼示範如下：

<?php

$content = get('http://www.xmtnews.com/events');

preg_match('/<section class="ov">(.*?)<div class="hr-10"><\/div>/mis', $content, $match);

//将正则匹配到的内容赋值给$area
$area = $match[1];

preg_match_all('/<h3><a href="(.*?)" title=".*?" class="headers" target="_blank">(.*?)<\/a><\/h3>/', $area, $find);


var_dump($find);

function get($url) {

   //初使化curl
   $ch = curl_init();

   //请求的url，由形参传入
   curl_setopt($ch, CURLOPT_URL, $url);

   //将得到的数据返回
   curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);

   //不处理头信息
   curl_setopt($ch, CURLOPT_HEADER, 0);

   //连接超过10秒超时
   curl_setopt($ch, CURLOPT_TIMEOUT, 10);

   //执行curl
   $output = curl_exec($ch);

   //关闭资源
   curl_close($ch);

   //返回内容
   return $output;
}
?>