百度百科是百度公司推出的一部内容开放、自由的网络百科全书，其测试版于2006年4月20日上线，正式版在2008年4月21日发布。百度百科旨在创造一个涵盖各领域知识的中文信息收集平台。——摘自互动百科 今天本来想写个php脚本通过键入中文来获取指定词条的内容
百度百科是百度公司推出的一部内容开放、自由的网络百科全书，其测试版于2006年4月20日上线，正式版在2008年4月21日发布。百度百科旨在创造一个涵盖各领域知识的中文信息收集平台。——摘自互动百科
今天本来想写个php脚本通过键入中文来获取指定词条的内容，却发现实现起来并不太简单。
百度百科词条的URL都是为 http://baike.baidu.com/view/数字.htm ，URL跟词条内容并无直接联系；而通过百度搜索获取到的都是 http://www.baidu.com/link?url=iigPGJqjJ4zBBpC8yDF8xDhiqDSn1JZjFWsHhEoSNd85PkV8Xil-wx2n0K 之类的URL，显然是被加密过的，百度的防抓取工作还做的挺充分。
上网找了下资料，发现可以对百度百科 searchword.php 的这个搜索程序入手。对 searchword.php 输入要搜索的字符（词条标题），而指定的词条存在时，它就会自动跳转到词条的真实地址。
<?php function geturl($string){
$string = iconv('utf-8', 'gbk', $string); //将字符转换成GBK编码，若文件为GBK编码可去掉本行
$encode = urlencode($string); //对字符进行URL编码
$url = 'http://baike.baidu.com/list-php/dispose/searchword.php?word=' .$encode. '&pic=1';
$get_contents = file_get_contents($url); //获取跳转页内容
$get_contents = iconv('gbk', 'utf-8', $get_contents); //将获取的网页转换成UTF-8编码，若文件为GBK编码可去掉本行
preg_match("/URL=(\S+)'>/s", $get_contents, $out); //获取跳转后URL
$real_link = 'http://baike.baidu.com' .$out[1];
return $real_link; //输出真实地址
}
echo geturl('互动百科'); //输出 http://baike.baidu.com/view/1466380.htm
?>
运行上面的代码，脚本就会自动获取到词条的真实地址，即可接着进行抓取词条内容或其他的操作了。
如果觉得本文有什么不足的，请不吝赐教。如果各位有比这更方便的方法，也欢迎分享！
原文地址：PHP获取百度百科真实链接, 感谢原作者分享。
