PHP抓取网页内容汇总
PHP抓取网页内容汇总
hi.baidu/quqiufeng/blog/item/7e86fb3f40b598c67d1e7150.html
header("Content-type: text/html; charset=utf-8");
1、
如何保存网页内容 $xhr = new COM("MSXML2.XMLHTTP");
$xhr->open("GET","localhost/xxx.php?id=2",false);
$xhr->send();
echo $xhr->responseText
2、file_get_contents实现
<?php
$url="www.blogjava/pts";
echo file_get_contents( $url );
?>
3、fopen()实现
<?
if ($stream = fopen('www.sohu', 'r')) {
    // print all the page starting at the offset 10
    echo stream_get_contents($stream, -1, 10);
    fclose($stream);
}
if ($stream = fopen('www.sohu', 'r')) {
    // print the first 5 bytes
    echo stream_get_contents($stream, 5);
    fclose($stream);
}
?>
②、使用php获取网页内容
www.blogjava/pts/archive/2007/08/26/99188.html
简单的做法:
<?php
$url="www.blogjava/pts";
echo file_get_contents( $url );
?>
或者:
<?
if ($stream = fopen('www.sohu', 'r')) {
    // print all the page starting at the offset 10
    echo stream_get_contents($stream, -1, 10);
    fclose($stream);
}
if ($stream = fopen('www.sohu', 'r')) {
    // print the first 5 bytes
    echo stream_get_contents($stream, 5);
    fclose($stream);
}
?>
③、PHP获取网站内容，保存为TXT文件源码
blog.chinaunix/u1/44325/showart_348444.html
<?
$my_book_url='book.yunxiaoge/files/article/html/4/4550/index.html';
ereg("book.yunxiaoge/files/article/html/[0-9]+/[0-9]+/",$my_book_url,$myBook);
$my_book_txt=$myBook[0];
$file_handle = fopen($my_book_url, "r");//读取文件
unlink("");
while (!feof($file_handle)) { //循环到文件结束
    $line = fgets($file_handle); //读取一行文件
    $line1=ereg("href=\"[0-9]+.html",$line,$reg); //分析文件内部书的文章页面
      $handle = fopen("", 'a');
  if ($line1) {
    $my_book_txt_url=$reg[0]; //另外赋值,给抓取分析做准备
  $my_book_txt_url=str_replace("href=\"","",$my_book_txt_url);
      $my_book_txt_over_url="$my_book_txt$my_book_txt_url"; //转换为抓取地址
      echo "$my_book_txt_over_url</p>"; //显示工作状态
      $file_handle_txt = fopen($my_book_txt_over_url, "r"); //读取转换后的抓取地址
      while (!feof($file_handle_txt)) {
      $line_txt = fgets($file_handle_txt);
      $line1=ereg("^ .+",$line_txt,$reg); //根据抓取内容标示抓取
      $my_over_txt=$reg[0];
      $my_over_txt=str_replace("    ","    ",$my_over_txt); //过滤字符
      $my_over_txt=str_replace("<br />","",$my_over_txt);
      $my_over_txt=str_replace("<script. language=\"javascript\">","",$my_over_txt);
      $my_over_txt=str_replace(""","",$my_over_txt);
      if ($line1) {
        $handle1=fwrite($handle,"$my_over_txt\n"); //写入文件
      }
      }
    }
}
fclose($file_handle_txt);
fclose($handle);
fclose($file_handle); //关闭文件
echo "完成</p>";
?>
下面是比较嚣张的方法。
这里使用一个名叫Snoopy的类。
先是在这里看到的：
PHP中获取网页内容的Snoopy包
blog.declab/read.php/27.htm
然后是Snoopy的：
sourceforge/projects/snoopy/
这里有一些简单的说明：
代码收藏-Snoopy类及简单的使用方法
www.ax/?action=show&id=274
下载：sourceforge/projects/snoopy/
今天才发现这个好东西，赶紧去下载了来看看，是用的parse_url
还是比较习惯curl
snoopy是一个php类，用来模仿web浏览器的功能，它能完成获取网页内容和发送表单的任务。
下面是它的一些特征：
1、方便抓取网页的内容
2、方便抓取网页的文字（去掉HTML代码）
3、方便抓取网页的链接
4、支持代理主机
5、支持基本的用户/密码认证模式
6、支持自定义用户agent,referer,cookies和header内容
7、支持浏览器转向，并能控制转向深度
8、能把网页中的链接扩展成高质量的url（默认）
9、方便提交数据并且获取返回值
10、支持跟踪HTML框架（v0.92增加）
11、支持再转向的时候传递cookies
具体使用请看下载文件中的说明。
<?php
include“Snoopy.class.php“;
$snoopy=newSnoopy;
$snoopy->fetchform(“www.phpx/happy/logging.php?action=login“);
print$snoopy->results;
?>
<?php
include“Snoopy.class.php“;
$snoopy=newSnoopy;
$submit_url=“www.phpx/happy/logging.php?action=login“;$submit_vars["loginmode"]=“normal“;
$submit_vars["styleid"]=“1“;
$submit_vars["cookietime"]=“315360000“;
$submit_vars["loginfield"]=“username“;
$submit_vars["username"]=“********“;//你的用户名
$submit_vars["password"]=“*******“;//你的密码
$submit_vars["questionid"]=“0“;
$submit_vars["answer"]=“”;
$submit_vars["loginsubmit"]=“提   交“;
$snoopy->submit($submit_url,$submit_vars);
print$snoopy->results;
?>

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。