php抓取页面的几种方法详解

转载

mob604756e58279 2015-07-28 15:11:00

本篇文章是对php抓取页面的几种方法进行了详细的分析介绍，需要的朋友参考下

在做一些天气预报或者RSS订阅的程序时，往往需要抓取非本地文件，一般情况下都是利用php模拟浏览器的访问，通过http请求访问url地址，然后得到html源代码或者xml数据，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。

下面简单说一下php抓取页面的几种方法及原理:
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. file()函数

复制代码代码如下:

<?php

$url='http://t.qq.com';

$lines_array=file($url);

$lines_string=implode('',$lines_array);

echo htmlspecialchars($lines_string);

2. file_get_contents()函数使用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。

复制代码代码如下:

<?php

$url='http://t.qq.com';

$lines_string=file_get_contents($url);

echo htmlspecialchars($lines_string);

3. fopen()->fread()->fclose()模式

复制代码代码如下:

<?php

$url='http://t.qq.com';

$handle=fopen($url,"rb");

$lines_string="";

do{

$data=fread($handle,1024);

if(strlen($data)==0) {

break;

}

$lines_string.=$data;

}while(true);

fclose($handle);

echo htmlspecialchars($lines_string);

4. curl方式使用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。

复制代码代码如下:

<?php

$url='http://t.qq.com';

$ch=curl_init();

$timeout=5;

curl_setopt($ch, CURLOPT_URL, $url);

curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);

curl_setopt($ch, CURLOPT_CONNECTTIMEOUT, $timeout);

$lines_string=curl_exec($ch);

curl_close($ch);

echo htmlspecialchars($lines_string);

5. fsockopen()函数 socket模式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。