设为首页 收藏本站
查看: 701|回复: 0

[经验分享] php curl 爬取网站数据

[复制链接]

尚未签到

发表于 2017-4-1 12:50:21 | 显示全部楼层 |阅读模式
  php curl 爬取网站数据
  转载:http://vohyo.com/blog/view/4dae71f795248a52/

  今天帮一朋友爬取一网站数据,涉及到PHP CURL模块的使用。总结一下整个过程思路:
  1.保证curl扩展模块可用,如不可用,请在php.ini配置中打开php_curl.dll扩展;
  2.初始化curl对象,并配置curl的参数:

$ch = curl_init();
// 有部分web服务验证了HTTP头,该参数表示使用当前浏览器HTTP;
curl_setopt($ch, CURLOPT_USERAGENT, $_SERVER['HTTP_USER_AGENT']);
curl_setopt($ch, CURLOPT_HEADER, 0);  // 不输出header头
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
curl_setopt($ch, CURLOPT_TIMEOUT, 100);  // 超时设置


  3.保存或传替cookie,因为web服务可能检查了session或cookie,在这种情况下我们需要发送cookie信息:

// 设置cookie,格式为cookiename1 = cookievalue1; cookiename2 = cookievalue2; ……
curl_setopt($ch, CURLOPT_COOKIE, $cookie);


  或者把该web的cookie保存成文件,自动传递

curl_setopt($ch, CURLOPT_COOKIEJAR, $cookiepath);   // 保存cookie文件
curl_setopt($ch, CURLOPT_COOKIEFILE, $cookiepath);   // 从文件传递cookie


  4.伪造引用信息,因为web服务可能检查了引用信息,非对应域名的不能通过验证,那么我们可以伪造referer引用信息:

curl_setopt($ch, CURLOPT_REFERER, $referer);


  5.如果POST数据,那么应设置提交的数据

curl_setopt($ch, CURLOPT_POST, 1);
// 数据的格式为var1=value1&var2=value2……
curl_setopt($ch, CURLOPT_POSTFIELDS, $data);


  6.获取结果,关闭curl:

$rs = curl_exec($ch);
curl_close($ch);


  7.处理数据,数据爬下来后,我们使用正则表达式进行匹配处理,获取需要的数据:

preg_match_all($pattern, $rs, $matchs);


  这里写了一个通过的函数,大家可以参考:

function curl($url, $data = null, $cookie = null, $referer = null) {
$ch = curl_init();
curl_setopt($ch, CURLOPT_URL, $url);
curl_setopt($ch, CURLOPT_USERAGENT, $_SERVER['HTTP_USER_AGENT']);
curl_setopt($ch, CURLOPT_HEADER, 0);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
curl_setopt($ch, CURLOPT_TIMEOUT, 100);
if ($data != null) {
curl_setopt($ch, CURLOPT_POST, 1);
curl_setopt($ch, CURLOPT_POSTFIELDS,
(is_array($data) ? paramArray($data) : $data));
}
if ($cookie != null) {
if (strpos($cookie, '=')) {  // cookie字串
curl_setopt($ch, CURLOPT_COOKIE, $cookie);
} else {  // cookie文件
// 保存cookie文件
curl_setopt($ch, CURLOPT_COOKIEJAR, $cookie);
// 从文件传递cookie
curl_setopt($ch, CURLOPT_COOKIEFILE, $cookie);
}
}
if ($referer === null) {
curl_setopt($ch, CURLOPT_AUTOREFERER, 1);
} else {
curl_setopt($ch, CURLOPT_REFERER, $referer);
}
$content = curl_exec($ch);
curl_close($ch);
return $content;
}
function paramArray($data) {
$param = '';
foreach ($data as $k => $v) {
$param .= "&$k=" . urlencode($v);
}
return substr($param, 1);
}

运维网声明 1、欢迎大家加入本站运维交流群:群②:261659950 群⑤:202807635 群⑦870801961 群⑧679858003
2、本站所有主题由该帖子作者发表,该帖子作者与运维网享有帖子相关版权
3、所有作品的著作权均归原作者享有,请您和我们一样尊重他人的著作权等合法权益。如果您对作品感到满意,请购买正版
4、禁止制作、复制、发布和传播具有反动、淫秽、色情、暴力、凶杀等内容的信息,一经发现立即删除。若您因此触犯法律,一切后果自负,我们对此不承担任何责任
5、所有资源均系网友上传或者通过网络收集,我们仅提供一个展示、介绍、观摩学习的平台,我们不对其内容的准确性、可靠性、正当性、安全性、合法性等负责,亦不承担任何法律责任
6、所有作品仅供您个人学习、研究或欣赏,不得用于商业或者其他用途,否则,一切后果均由您自己承担,我们对此不承担任何法律责任
7、如涉及侵犯版权等问题,请您及时通知我们,我们将立即采取措施予以解决
8、联系人Email:admin@iyunv.com 网址:www.yunweiku.com

所有资源均系网友上传或者通过网络收集,我们仅提供一个展示、介绍、观摩学习的平台,我们不对其承担任何法律责任,如涉及侵犯版权等问题,请您及时通知我们,我们将立即处理,联系人Email:kefu@iyunv.com,QQ:1061981298 本贴地址:https://www.yunweiku.com/thread-358747-1-1.html 上篇帖子: PHP header跳转与return问题 下篇帖子: PHP对大文件的处理思路
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

扫码加入运维网微信交流群X

扫码加入运维网微信交流群

扫描二维码加入运维网微信交流群,最新一手资源尽在官方微信交流群!快快加入我们吧...

扫描微信二维码查看详情

客服E-mail:kefu@iyunv.com 客服QQ:1061981298


QQ群⑦:运维网交流群⑦ QQ群⑧:运维网交流群⑧ k8s群:运维网kubernetes交流群


提醒:禁止发布任何违反国家法律、法规的言论与图片等内容;本站内容均来自个人观点与网络等信息,非本站认同之观点.


本站大部分资源是网友从网上搜集分享而来,其版权均归原作者及其网站所有,我们尊重他人的合法权益,如有内容侵犯您的合法权益,请及时与我们联系进行核实删除!



合作伙伴: 青云cloud

快速回复 返回顶部 返回列表