PHP抓取网页内容的方法

PHP抓取页面的内容在实际的开发当中是非常有用的,如作一个简单的内容采集器,提取网页中的部分内容等等,抓取到的内容在通过正则表达式做一下过滤就得到了你想要的内容,至于如何用正则表达式过滤,在这里就不做介绍了,以下就是几种常用的用php抓取网页中的内容的方法.

1.file_get_contents,PHP代码如下:

<?php
    $url = "http://www.phprm.com";
    $contents = file_get_contents($url);
    //如果出现中文乱码使用下面代码
    //$getcontent = iconv("gb2312", "utf-8",$contents);
    echo $contents;
?>

2.curl,PHP代码如下:

<?php
    $url = "http://www.phprm.com";
    $ch = curl_init();
    $timeout = 5;
    curl_setopt($ch, CURLOPT_URL, $url);
    curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
    curl_setopt($ch, CURLOPT_CONNECTTIMEOUT, $timeout);
    //在需要用户检测的网页里需要增加下面两行
    //curl_setopt($ch, CURLOPT_HTTPAUTH, CURLAUTH_ANY);
    //curl_setopt($ch, CURLOPT_USERPWD, US_NAME.":".US_PWD);
    $contents = curl_exec($ch);
    curl_close($ch);
    echo $contents;
?>

3.fopen->fread->fclose,PHP代码如下:

<?php
    $handle = fopen ("http://www.phprm.com", "rb");
    $contents = "";
    do {
       $data = fread($handle, 1024);
       if (strlen($data) == 0) {
       break;
       }
       $contents .= $data;
    } while(true);
    fclose ($handle);
    echo $contents;
?>

注:

1.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。

2.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:WINDOWSsystem32下；Linux下要安装curl扩展。

方法一,安装cURL

wget http://curl.haxx.se/download/curl-7.17.1.tar.gz
tar -zxf curl-7.17.1.tar.gz
./configure --prefix=/usr/local/curl
make & make install

安装php,只要打开开关 --with-curl=/usr/local/curl,就可以了,这个扩展库还是非常棒,是fsockopen等等相关的有效的替代品.

方法二,进入安装原php的源码目录.

cd ext
cd curl
phpize
./configure --with-curl=DIR
make & make install

就会在PHPDIR/ext/curl/moudles/下生成curl.so的文件,复制curl.so文件到extensions的配置目录,修改php.ini就好了.

extension=curl.so

第一种方法试了N遍一直在失败中,于是放弃,使用第二种方法安装,phpize提示找不到,其实命令在/usr/local/php/bin/目标下:

# /usr/local/php/bin/phpize

./configure --with-curl=DIR需要指定php的配置路径，应该如下：

# ./configure --with-php-config=/usr/local/php/bin/php-config --with-curl=DIR

注:上面的资料中错把--with-php-config写成了--with-php-php-config,然后就是编译安装:

# make

# make install

到这里会提示生成文件curl.so的路径: /usr/local/php/lib/php/extensions/no-debug-non-zts-20060613/

进入到这个路径下,复制curl到extension_dir目录下(本目录路径可以看phpinfo可是直接看php.int).

修改php.ini

extension=curl.so
# /usr/local/php/bin/php -m

如果看到有curl项表示成功。

重启apache

# /usr/local/apache2/bin/apachectl stop
# /usr/local/apache2/bin/apachectl start

到此成功了,在phpinfo中可以看到CURL的项.

文章地址:

转载随意^^请带上本文地址!