PHP实现采集抓取淘宝网单个商品信息_PHP
时间：2021-07-01 10:21:17
帮助过：4人阅读
调用淘宝的数据可以使用淘宝提供的api，如果只需调用淘宝商品图片名称等公开信息在自己网站上，使用php中的 file_get_contents 函数实现即可。
思路：
file_get_contents(url) 该函数根据 url 如 http://www.baidu.com 将该网页内容（源码）以字符串形式输出（一个整字符串），然后配合preg_match，preg_replace等这些正则表达式操作就可以实现获取该url特定div，img等信息了。当然前题是淘宝在单个商品页面的结构是固定的，如500图的img中id就是J_ImgBooth！
具体实现方法：（获取500图，名称，价格，属性及商品描述）
代码如下:
$text=file_get_contents("http://item.taobao.com/item.htm?id=2380347279"); //将url地址上页面内容保存进$text
A.获取500图：
代码如下:
preg_match('/]*id="J_ImgBooth"[^r]*rc=\"([^"]*)\"[^>]*>/', $text, $img);
//运用正则抓取img标签中id为J_ImgBooth的img，$img[0]为该500图img标签，$img[1]为500图的图片地址；
B. 获取名称：
代码如下:
preg_match('/
([^<>]*)<\/title>/', $text, $title); <br />
//因为正文中的商品名称标签没有特殊class或id正则不好抓取，就抓<title>标签中的内容了，一般来说title中内容就是商品名称了（实际有些出入），$title[0]整个title标签 $title[1]标签中内容；<br />
$title=iconv('GBK','UTF-8',$title);<br />
//如果你的网站是utf8编码，那么需要进行一下转码（淘宝是gbk编码）<br />
</p></p>
<p><strong>C.获取价格：</strong></p>
<p><p class="codetitle"> 代码如下:</p><p class="codebody" id="code85999"><br />
preg_match('/<([a-z]+)[^i]*id=\"J_StrPrice\"[^>]*>([^<]*)<\/\\1>/is', $text, $price);<br />
//同理获取id为J_StrPrice的标签内容$price[2], $price[0]是整个标签， $price[1]为strong标签名；<br />
$price=floatval($price);//放入数据库估计还有转一下变量类型<br />
</p></p>
<p><strong>D.获取属性：</strong></p>
<p>这之前获取的内容都是在单标签中相对只需一个正则就可搞定，然而如果要获取如</p>
<p><p class="codetitle"> 代码如下:</p><p class="codebody" id="code67436"><br />
…<br />
<br />
<br />
<br />
…<br />
<br />
<ul><br />
<br />
…<br />
<br />
</ul><br />
<br />
…<br />
<br />
…<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
…<br />
</p></p>
<p>这样特定div中有未知n个<>标签，获取该特定div将会非常的困难，搜了下网上，最接近的也只是”/<([a-z]+)[^>]*>([^<>]|(?R))*<\/\\1>/”这样使用递归抓取标签对，但是他不能抓特定标签，所以想要轻松抓取class=”attributes”的div我是没法办到了。但是淘宝网页有其特殊性，就是它的各个标签结构基本是固定的……标签后面不是就是，所以我们可以采用变通法达到获取属性标签内容的目的。</p>
<p><p class="codetitle"> 代码如下:</p><p class="codebody" id="code49683"><br />
preg_match('/<(div)[^c]*class=\"attributes\"[^>]*>.*<\/\\1>/is', $text, $text0);<br />
//这个正则会抓取标签，当然我们属性标签就在这个的前面部分。<br />
<br />
$text1=preg_replace("/<\/div>[^<]*<(div)[^c]*id=\"description\"[^>]*>.*<\/\\1>/is","",$text0);<br />
//匹配到</div >至最后然后用””代替（就是把匹配的删除了），所以如果attributes的div后面紧跟的是description那么我们已经达到目的了。<br />
<br />
$attributes=preg_replace("/<\/div>[^<]*<(div)[^c]*class=\"box J_TBox\"[^>]*>.*<\/\\1>/is","",$text1);<br />
//如果attributes后面紧跟box J_Tbox标签，那么我们还需要使用以上这步来剔除box J_Tbox标签，当然如果attributes的div后面紧跟的是description，这一步将不会匹配到任何即什么都不会做。<br />
</p></p>
<p><strong>E.获取描述：</strong></p>
<p>通过上面方法你肯定觉得淘宝页面上任何标签都可以很简单获取了吧（我之前也是这么想的），但是使用这个方法获取描述时得到的内容将会是“描述加载中”，是的，这个描述内容不是在源码中的，它是打开页面加载进一大堆js后，不知道从淘宝的哪个角落中加载进来的。</p>
<p>好吧，那么我们也可以模仿它放一些js进去。不知道哪些对加载描述有用？没事，全加载进来肯定没错。不知道需要放那些特定div上去有作用？抓一个源码，删掉一些div一步步试试看，你会发现“ </p>
<p><p class="codetitle"> 代码如下:</p><p class="codebody" id="code76386"><br />
<br />
<br />
描述加载中<br />
<br />
<br />
</p></p>
<p>这几个div是加载描述所必须的，那么下面就是写代码了：</p>
<p><p class="codetitle"> 代码如下:</p><p class="codebody" id="code96276"><br />
preg_match_all('/<script[^>]*>[^<]*<\/script>/is', $text, $content);//页面js脚本<br />
$content=$content[0];<br />
$description=' <br />
<br />
描述加载中<br />
';<br />
foreach ($content as &$v){$description.=iconv('GBK','UTF-8',$v);};<br />
//将这个$description放进页面，描述就会自动的加载进来了，当然多个商品描述在同一个页面也会只有一个描述会被加载的。 </div>
<div class="">
<ul class="m-news-opt fix">
<li class="opt-item">
<a href='/PHPjiqiao-86097.html' target='_blank'><p>< 上一篇</p><p class="ellipsis">php自动获取关键字的方法_PHP</p></a>
</li>
<li class="opt-item ta-r">
<a href='/PHPjiqiao-86099.html' target='_blank'><p>下一篇 ></p><p class="ellipsis">php中$_POST与php://input的区别实例分析_PHP</p></a>
</li>
</ul>
</div>
</div>
</div>
<div class="g-title fix">
<h2 class="title-txt">人气教程排行</h2>
</div>
<div class="m-rank u-dashed mb40">
<ul>
<li class="rank-item">
<a href="/PHPjiqiao-379253.html" title='php如何获取跳转前的url' class="item-name ellipsis" target="_blank">
<span class="g-art-count fr">174次</span>
<span class="g-sort-num top">1</span>
php如何获取跳转前的url </a>
</li> <li class="rank-item">
<a href="/PHPjiqiao-379019.html" title='php格林威治时间转换成当前时间的方法' class="item-name ellipsis" target="_blank">
<span class="g-art-count fr">174次</span>
<span class="g-sort-num second">2</span>
php格林威治时间转换成当前时间的方法 </a>
</li> <li class="rank-item">
<a href="/PHPjiqiao-366629.html" title='为什么php不能做大型系统？' class="item-name ellipsis" target="_blank">
<span class="g-art-count fr">174次</span>
<span class="g-sort-num third">3</span>
为什么php不能做大型系统？ </a>
</li> <li class="rank-item">
<a href="/PHPjiqiao-207623.html" title='range函数怎么用' class="item-name ellipsis" target="_blank">
<span class="g-art-count fr">174次</span>
<span class="g-sort-num ">4</span>
range函数怎么用 </a>
</li> <li class="rank-item">
<a href="/PHPjiqiao-162433.html" title='php中计算页面加载时间几种方法总结_PHP教程' class="item-name ellipsis" target="_blank">
<span class="g-art-count fr">174次</span>
<span class="g-sort-num ">5</span>
php中计算页面加载时间几种方法总结_PHP教程 </a>
</li> <li class="rank-item">
<a href="/PHPjiqiao-140221.html" title='求帮助，关于paypal支付返回值修改订单状态' class="item-name ellipsis" target="_blank">
<span class="g-art-count fr">174次</span>
<span class="g-sort-num ">6</span>
求帮助，关于paypal支付返回值修改订单状态 </a>
</li> <li class="rank-item">
<a href="/PHPjiqiao-103588.html" title='typecho怎么配置文章内容页?' class="item-name ellipsis" target="_blank">
<span class="g-art-count fr">174次</span>
<span class="g-sort-num ">7</span>
typecho怎么配置文章内容页? </a>
</li> <li class="rank-item">
<a href="/PHPjiqiao-99213.html" title='PhpStorm左侧structure不显示文件的方法列表是这么回事？' class="item-name ellipsis" target="_blank">
<span class="g-art-count fr">174次</span>
<span class="g-sort-num ">8</span>
PhpStorm左侧structure不显示文件的方法列表是这么回事？ </a>
</li> <li class="rank-item">
<a href="/PHPjiqiao-92208.html" title='查看PHP的环境变量_PHP' class="item-name ellipsis" target="_blank">
<span class="g-art-count fr">174次</span>
<span class="g-sort-num ">9</span>
查看PHP的环境变量_PHP </a>
</li> <li class="rank-item">
<a href="/PHPjiqiao-170.html" title='PHP Primary script unknown 解决方法总结' class="item-name ellipsis" target="_blank">
<span class="g-art-count fr">174次</span>
<span class="g-sort-num ">10</span>
PHP Primary script unknown 解决方法总结 </a>
</li> <li class="rank-item">
<a href="/PHPjiqiao-148.html" title='php的命名空间与自动加载实现方法' class="item-name ellipsis" target="_blank">
<span class="g-art-count fr">174次</span>
<span class="g-sort-num ">11</span>
php的命名空间与自动加载实现方法 </a>
</li> <li class="rank-item">
<a href="/PHPjiqiao-133.html" title='解决laravel 出现ajax请求419(unknown status)的问题' class="item-name ellipsis" target="_blank">
<span class="g-art-count fr">174次</span>
<span class="g-sort-num ">12</span>
解决laravel 出现ajax请求419(unknown status)的问题 </a>
</li> <li class="rank-item">
<a href="/PHPjiqiao-462817.html" title='php 如何删除mysql记录' class="item-name ellipsis" target="_blank">
<span class="g-art-count fr">173次</span>
<span class="g-sort-num ">13</span>
php 如何删除mysql记录 </a>
</li> <li class="rank-item">
<a href="/PHPjiqiao-388448.html" title='PHP如何替换数组中的指定元素' class="item-name ellipsis" target="_blank">
<span class="g-art-count fr">173次</span>
<span class="g-sort-num ">14</span>
PHP如何替换数组中的指定元素 </a>
</li> <li class="rank-item">
<a href="/PHPjiqiao-124270.html" title='怎么去除字符串中非汉字、非字母、非数字的字符' class="item-name ellipsis" target="_blank">
<span class="g-art-count fr">173次</span>
<span class="g-sort-num ">15</span>
怎么去除字符串中非汉字、非字母、非数字的字符 </a>
</li> <li class="rank-item">
<a href="/PHPjiqiao-112291.html" title='mysql如何一次执行多条SQL语句' class="item-name ellipsis" target="_blank">
<span class="g-art-count fr">173次</span>
<span class="g-sort-num ">16</span>
mysql如何一次执行多条SQL语句 </a>
</li> <li class="rank-item">
<a href="/PHPjiqiao-110669.html" title='修改header里面的Connection为close解决方法' class="item-name ellipsis" target="_blank">
<span class="g-art-count fr">173次</span>
<span class="g-sort-num ">17</span>
修改header里面的Connection为close解决方法 </a>
</li> <li class="rank-item">
<a href="/PHPjiqiao-153.html" title='PHP基于session.upload_progress 实现文件上传进度显示功能详解' class="item-name ellipsis" target="_blank">
<span class="g-art-count fr">173次</span>
<span class="g-sort-num ">18</span>
PHP基于session.upload_progress 实现文件上传进度显示功能详解 </a>
</li> <li class="rank-item">
<a href="/PHPjiqiao-125.html" title='php5.6.x到php7.0.x特性小结' class="item-name ellipsis" target="_blank">
<span class="g-art-count fr">173次</span>
<span class="g-sort-num ">19</span>
php5.6.x到php7.0.x特性小结 </a>
</li> <li class="rank-item">
<a href="/PHPjiqiao-378118.html" title='php为什么会出现504错误' class="item-name ellipsis" target="_blank">
<span class="g-art-count fr">172次</span>
<span class="g-sort-num ">20</span>
php为什么会出现504错误 </a>
</li>
</ul>
</div>
</div>
</div>
<!-- / 教程内容页 -->
</div>
</div>
<!-- 页尾 -->
<div class="footer">
本站所有资源全部来源于网络，若本站发布的内容侵害到您的隐私或者利益，请联系我们删除！</div>
<!-- / 页尾 -->
<script type="text/javascript" src="/kan/js/read.js"></script>
<div style="display:none">
<div class="login-box" id="login-dialog">
<div class="login-top"><a class="current" rel="nofollow" id="login1" onclick="setTab('login',1,2);" >登录</a></div>
<div class="login-form" id="nav-signin">
<!-- <div class="login-ico"><a rel="nofollow" class="qq" id="qqlogin" target="_blank" href="/user-center-qqlogin.html"> QQ </a></div> -->
<div class="login-box-form" id="con_login_1">
<form id="loginform" action="/user-center-login.html" method="post" onsubmit="return false;">
<p class="int-text">
<input class="email" id="username" name="username" type="text" value="用户名或Email" onfocus="if(this.value=='用户名或Email'){this.value='';}" onblur="if(this.value==''){this.value='用户名或Email';};" ></p>
<p class="int-text">
<input class="password1" type="password" id="password" name="password" value="******" onBlur="if(this.value=='') this.value='******';" onFocus="if(this.value=='******') this.value='';" >
</p>
<p class="int-info">
<label class="ui-label"> </label>
<label for="agreement" class="ui-label-checkbox">
<input type="checkbox" value="" name="cookietime" id="cookietime" checked="checked" value="2592000">
<input type="hidden" name="notforward" id="notforward" value="1">
<input type="hidden" name="dosubmit" id="dosubmit" value="1">记住我的登录 </label>
<a rel="nofollow" class="aright" href="/user-center-forgetpwd.html" target="_blank"> 忘记密码？ </a></p>
<p class="int-btn"><a rel="nofollow" id="loginbt" class="loginbtn"><span>登录</span></a></p>
</form>
</div>
<form id="regform" action="/user-center-reg.html" method="post">
<div class="login-reg" style="display: none;" id="con_login_2">
<input type="hidden" name="t" id="t"/>
<p class="int-text">
<input id="email" name="email" type="text" value="Email" onfocus="if(this.value=='Email'){this.value='';}" onblur="if(this.value==''){this.value='Email';};"></p>
<p class="int-text">
<input id="uname" name="username" type="text" value="用户名或昵称" onfocus="if(this.value=='用户名或昵称'){this.value='';}" onblur="if(this.value==''){this.value='用户名或昵称';};"></p>
<p class="int-text">
<input type="password" id="pwd" name="password" value="******" onBlur="if(this.value=='') this.value='******';" onFocus="if(this.value=='******') this.value='';"> </p>
<p class="int-text1"><span class="inputbox">
<input id="validate" name="validate" type="text" value="验证码" onfocus="if(this.value=='验证码'){this.value='';}" onblur="if(this.value==''){this.value='验证码';};">
</span><span class="yzm-img"><img src="/user-checkcode-index" alt="看不清楚换一张" id="indexlogin"></p>
<p class="int-info">
<label>
<input value="" name="agreement" id="agreement" CHECKED="checked" type="checkbox">
我已阅读<a rel="nofollow" href="/user-center-agreement.html">用户协议</a>及<a rel="nofollow" href="/user-center-agreement.html">版权声明</a></label>
</p>
<p class="int-btn"><input type="hidden" name="dosubmit"/>
<a rel="nofollow" class="loginbtn" id="register"><span>注册</span></a></p>
</div>
</form>
</div>
</div>
</div>
</div>
<script type="text/javascript" src="/kan/js/foot_js.js"></script>
<script>
var _hmt = _hmt || [];
(function() {
var hm = document.createElement("script");
hm.src = "https://hm.baidu.com/hm.js?6dc1c3c5281cf70f49bc0bc860ec24f2";
var s = document.getElementsByTagName("script")[0];
s.parentNode.insertBefore(hm, s);
})();
</script>
<script type="text/javascript" src="/layui/layui.js"></script>
<script>
layui.use('code', function() {
layui.code({
elem: 'pre', //默认值为.layui-code
about: false,
skin: 'notepad',
title: 'php怎么实现数据库验证跳转代码块',
encode: true //是否转义html标签。默认不开启
});
});
</script>
</body>
</html> 