php抓取頁面與代碼解析

　　在做一些天氣預報或者RSS訂閱的程序時，往往需要抓取非本地文件，一般情況下都是利用php模擬瀏覽器的訪問，通過http請求訪問url地址， 然后得到html源代碼或者xml數據，得到數據我們不能直接輸出，往往需要對內容進行提取，然后再進行格式化，以更加友好的方式顯現出來。

　　下面先簡單說一下本文的主要內容：

　　一、 PHP抓取頁面的主要方法：

　　1. file()函數 2. file_get_contents()函數 3. fopen()->fread()->fclose()模式 4.curl方式 5. fsockopen()函數 socket模式 6. 使用插件(如：http://sourceforge.net/projects/snoopy/)

　　二、PHP解析html或xml代碼主要方式：

　　1. 正則表達式 2. PHP DOMDocument對象 3. 插件(如：PHP Simple HTML DOM Parser)

　　如果你對以上內容已經很了解，以下內容可以飄過……

　　PHP抓取頁面

　　1. file()函數

　　$url='http://t.qq.com';

　　$lines_array=file($url);

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

　　echo htmlspecialchars($lines_string);

　　?>

　　2. file_get_contents()函數

　　使用file_get_contents和fopen必須空間開啟allow_url_fopen。方法：編輯php.ini，設置 allow_url_fopen = On，allow_url_fopen關閉時fopen和file_get_contents都不能打開遠程文件。

　　$url='http://t.qq.com';

　　$lines_string=file_get_contents($url);

　　echo htmlspecialchars($lines_string);

　　?>

　　3. fopen()->fread()->fclose()模式

　　$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必須空間開啟curl。方法：windows下修改php.ini，將extension=php_curl.dll前面的分號去掉，而且需 要拷貝ssleay32.dll和libeay32.dll到C:\WINDOWS\system32下;Linux下要安裝curl擴展。

　　$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()函數 socket模式

　　socket模式能否正確執行，也跟服務器的設置有關系，具體可以通過phpinfo查看服務器開啟了哪些通信協議，比如我的本地php socket沒開啟http，只能使用udp測試一下了。

　　$fp = fsockopen("udp://127.0.0.1", 13, $errno, $errstr);

　　if (!$fp) {

　　echo "ERROR: $errno - $errstr
\n";

　　} else {

　　fwrite($fp, "\n");

　　echo fread($fp, 26);

　　fclose($fp);

　　}

　　?>

　　6. 插件

　　網上應該有比較多的插件，snoopy插件是在網上搜到的，有興趣的可以研究一下。

　　PHP解析xml(html)

　　1. 正則表達式：

　　$url='http://t.qq.com';

　　$lines_string=file_get_contents($url);

　　eregi('',$lines_string,$title);

　　echo htmlspecialchars($title[0]);

　　?>

　　2. PHP DOMDocument()對象

　　如果遠程的html或xml存在語法錯誤，php在解析dom的時候會報錯。

　　$url='http://www.136web.cn';

　　$html=new DOMDocument();

　　$html->loadHTMLFile($url);

　　$title=$html->getElementsByTagName('title');

　　echo $title->item(0)->nodeValue;

　　?>

　　3. 插件

　　本文以PHP Simple HTML DOM Parser為例，進行簡單介紹，simple_html_dom的語法類似jQuery，它讓php操作dom，就像使用jQuery操作dom一樣的簡單。

　　$url='http://t.qq.com';

　　include_once('../simplehtmldom/simple_html_dom.php');

　　$html=file_get_html($url);

　　$title=$html->find('title');

　　echo $title[0]->plaintext;

　　?>

　　當然中國人是富有創造性的，老外往往會在技術上領先，但中國人往往會在使用上更勝一籌，往往做出一些讓老外不敢想的功能，比如php的遠程抓取與分 析，本來是為數據的整合提供方便。但國人很喜歡這個，于是乎大量的采集站，它們本身不創造任何有價值的內容，就是靠抓取別人的網站內容，并把它據為己有。 在百度里輸入“php小”關鍵詞，suggest列表第一個就是“php小偷程序”，然后把同樣的關鍵詞放入google，哥只能笑而不語。

原文轉自：http://blogread.cn/it/article/4651