php抓取页面与代码解析 推荐

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
代码如下:

<br><?php <br>$url='http://t.qq.com'; <br>$lines_array=file($url); <br>$lines_string=implode('',$lines_array); <br>echo htmlspecialchars($lines_string); <br>?> <br><br> <br>2. file_get_contents()函数 <br>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。 <br><span><u></u></span> 代码如下:<pre class="brush:php;toolbar:false layui-box layui-code-view layui-code-notepad"><ol class="layui-code-ol"><li><br><?php <br>$url='http://t.qq.com'; <br>$lines_string=file_get_contents($url); <br>echo htmlspecialchars($lines_string); <br>?> <br><br> <br>3. fopen()->fread()->fclose()模式 <br><br><span><u></u></span> 代码如下:<pre class="brush:php;toolbar:false layui-box layui-code-view layui-code-notepad"><ol class="layui-code-ol"><li><br><?php <br>$url='http://t.qq.com'; <br>$handle=fopen($url,"rb"); <br>$lines_string=""; <br>do{ <br>$data=fread($handle,1024); <br>if(strlen($data)==0){break;} <br>$lines_string.=$data; <br>}while(true); <br>fclose($handle); <br>echo htmlspecialchars($lines_string); <br>?> <br> <br><br>4. curl方式 <br>使用curl必须空间开启curl。方法：windows下修改php.ini，将extension=php_curl.dll前面的分号去掉，而且需要拷贝ssleay32.dll和libeay32.dll到C:\WINDOWS\system32下；Linux下要安装curl扩展。 <br><span><u></u></span> 代码如下:<pre class="brush:php;toolbar:false layui-box layui-code-view layui-code-notepad"><ol class="layui-code-ol"><li><br><?php <br>$url='http://t.qq.com'; <br>$ch=curl_init(); <br>$timeout=5; <br>curl_setopt($ch, CURLOPT_URL, $url); <br>curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1); <br>curl_setopt($ch, CURLOPT_CONNECTTIMEOUT, $timeout); <br>$lines_string=curl_exec($ch); <br>curl_close($ch); <br>echo htmlspecialchars($lines_string); <br>?> <br> <br><br>5. fsockopen()函数 socket模式 <br>socket模式能否正确执行，也跟服务器的设置有关系，具体可以通过phpinfo查看服务器开启了哪些通信协议，比如我的本地php socket没开启http，只能使用udp测试一下了。 <br><span><u></u></span> 代码如下:<pre class="brush:php;toolbar:false layui-box layui-code-view layui-code-notepad"><ol class="layui-code-ol"><li><br><?php <br>$fp = fsockopen("udp://127.0.0.1", 13, $errno, $errstr); <br>if (!$fp) { <br>echo "ERROR: $errno - $errstr<br />\n"; <br>} else { <br>fwrite($fp, "\n"); <br>echo fread($fp, 26); <br>fclose($fp); <br>} <br>?> <br> <br><br>6. 插件 <br>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。 <br><br>PHP解析xml(html) <br><br>1. 正则表达式： <br><br><span><u></u></span> 代码如下:<pre class="brush:php;toolbar:false layui-box layui-code-view layui-code-notepad"><ol class="layui-code-ol"><li><br><?php <br>$url='http://t.qq.com'; <br>$lines_string=file_get_contents($url); <br>eregi('<title>(.*)</title>',$lines_string,$title); <br>echo htmlspecialchars($title[0]); <br>?> <br> <br><br>2. PHP DOMDocument()对象 <br>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。 <br><br><span><u></u></span> 代码如下:<pre class="brush:php;toolbar:false layui-box layui-code-view layui-code-notepad"><ol class="layui-code-ol"><li><br><?php <br>$url='http://www.136web.cn'; <br>$html=new DOMDocument(); <br>$html->loadHTMLFile($url); <br>$title=$html->getElementsByTagName('title'); <br>echo $title->item(0)->nodeValue; <br>?> <br> <br><br>3. 插件 <br>本文以PHP Simple HTML DOM Parser为例，进行简单介绍，simple_html_dom的语法类似jQuery，它让php操作dom，就像使用jQuery操作dom一样的简单。 <br><span><u></u></span> 代码如下:<pre class="brush:php;toolbar:false layui-box layui-code-view layui-code-notepad"><ol class="layui-code-ol"><li><br><?php <br>$url='http://t.qq.com'; <br>include_once('../simplehtmldom/simple_html_dom.php'); <br>$html=file_get_html($url); <br>$title=$html->find('title'); <br>echo $title[0]->plaintext; <br>?> <br> <br><br>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。</li><li>            </li><li>                                </li></ol></pre></li></ol></pre></li></ol></pre></li></ol></pre></li></ol></pre></li></ol></pre></li></ol></pre>