当前位置:首页 > PHP教程 > php高级应用 > 列表

php小偷程序实例代码

发布:smiling 来源: PHP粉丝网  添加日期:2014-08-28 10:05:07 浏览: 评论:0 

小偷程序其实就是利用了php中的一特定函数实现采集别人网站的内容,然后通过正则分析把我们想要的内容保存到自己本地数据库,下面我来介绍php小偷程序的实现方法,有需要的朋友可参考.

在下面采集数据过程中file_get_contents函数是关键了,下面我们来看看file_get_contents函数语法.

string file_get_contents ( string $filename [, bool $use_include_path = false [, resource $context [, int $offset = -1 [, int $maxlen ]]]] )

和 file() 一样,只除了 file_get_contents() 把文件读入一个字符串,将在参数 offset 所指定的位置开始读取长度为 maxlen 的内容,如果失败,file_get_contents() 将返回 FALSE.

file_get_contents() 函数是用来将文件的内容读入到一个字符串中的首选方法,如果操作系统支持还会使用内存映射技术来增强性能.

例,代码如下:

  1. <?php 
  2. $homepage = file_get_contents('http://www.phpfensi.com/'); 
  3. echo $homepage
  4. ?> 

这样$homepage就是我们采集网的内容给保存下来了,好了说了这么多我们开始吧.

例,代码如下:

  1. <?php
  2. function fetch_urlpage_contents($url){ 
  3. $c=file_get_contents($url); 
  4. return $c
  5. //获取匹配内容 
  6. function fetch_match_contents($begin,$end,$c
  7. $begin=change_match_string($begin); 
  8. $end=change_match_string($end); 
  9. $p = "{$begin}(.*){$end}"
  10. if(eregi($p,$c,$rs)) 
  11. return $rs[1];} 
  12. else { return "";} 
  13. }//转义正则表达式字符串 
  14. function change_match_string($str){ 
  15. //注意,以下只是简单转义 
  16. //$old=array("/","$"); 
  17. //$new=array("/","$"); 
  18. $str=str_replace($old,$new,$str); 
  19. return $str
  20.  
  21. //采集网页 
  22. function pick($url,$ft,$th
  23. $c=fetch_urlpage_contents($url); 
  24. foreach($ft as $key => $value
  25. $rs[$key]=fetch_match_contents($value["begin"],$value["end"],$c); 
  26. if(is_array($th[$key])) 
  27. foreach($th[$keyas $old => $new
  28. $rs[$key]=str_replace($old,$new,$rs[$key]); 
  29. return $rs
  30.  
  31. $url="http://www.phpfensi.com"; //要采集的地址 
  32. $ft["title"]["begin"]="<title>"//截取的开始点 
  33. $ft["title"]["end"]="</title>"//截取的结束点 
  34. $th["title"]["中山"]="广东"//截取部分的替换 
  35.  
  36. $ft["body"]["begin"]="<body>"//截取的开始点 
  37. $ft["body"]["end"]="</body>"//截取的结束点 
  38. $th["body"]["中山"]="广东"//截取部分的替换 
  39.  
  40. $rs=pick($url,$ft,$th); //开始采集 
  41.  
  42. echo $rs["title"]; 
  43. echo $rs["body"]; //输出 
  44. ?> 

以下代码从上一面修改而来,专门用于提取网页所有超链接,邮箱或其他特定内容,代码如下:

  1. <?php
  2. function fetch_urlpage_contents($url){ 
  3. $c=file_get_contents($url); 
  4. return $c
  5. //获取匹配内容 
  6. function fetch_match_contents($begin,$end,$c
  7. $begin=change_match_string($begin); 
  8. $end=change_match_string($end); 
  9. $p = "#{$begin}(.*){$end}#iU";//i表示忽略大小写,U禁止贪婪匹配 
  10. if(preg_match_all($p,$c,$rs)) 
  11. return $rs;} 
  12. else { return "";} 
  13. }//转义正则表达式字符串 
  14. function change_match_string($str){ 
  15. //注意,以下只是简单转义 
  16. $old=array("/","$",'?'); 
  17. $new=array("/","$",'?'); 
  18. $str=str_replace($old,$new,$str); 
  19. return $str
  20.  
  21. //采集网页 
  22. function pick($url,$ft,$th
  23. $c=fetch_urlpage_contents($url); 
  24. foreach($ft as $key => $value
  25. $rs[$key]=fetch_match_contents($value["begin"],$value["end"],$c); 
  26. if(is_array($th[$key])) 
  27. foreach($th[$keyas $old => $new
  28. $rs[$key]=str_replace($old,$new,$rs[$key]); 
  29. return $rs
  30.  
  31. $url="http://www.phpfensi.com"; //要采集的地址 
  32. $ft["a"]["begin"]='<a'//截取的开始点<br /> 
  33. $ft["a"]["end"]='>'//截取的结束点 
  34.  
  35. $rs=pick($url,$ft,$th); //开始采集 
  36.  
  37. print_r($rs["a"]); 
  38.  
  39. ?> 

小提示file_get_contents很是容易被防采集了,我们可以使用curl来模仿用户对网站进行访问,这算比上面要高级不少,file_get_contents()效率稍低些,常用失败的情况、curl()效率挺高的,支持多线程,不过需要开启下curl扩展,下面是curl扩展开启的步骤:

1、将PHP文件夹下的三个文件php_curl.dll,libeay32.dll,ssleay32.dll复制到system32下;

2、将php.ini(c:WINDOWS目录下)中的;extension=php_curl.dll中的分号去掉;

3、重启apache或者IIS.

简单的抓取页面函数,附带伪造 Referer 和 User_Agent 功能,代码如下:

  1. <?php 
  2. function GetSources($Url,$User_Agent='',$Referer_Url=''//抓取某个指定的页面 
  3. //$Url 需要抓取的页面地址 
  4. //$User_Agent 需要返回的user_agent信息 如“baiduspider”或“googlebot” 
  5. $ch = curl_init(); 
  6. curl_setopt ($ch, CURLOPT_URL, $Url); 
  7. curl_setopt ($ch, CURLOPT_USERAGENT, $User_Agent); 
  8. curl_setopt ($ch, CURLOPT_REFERER, $Referer_Url); 
  9. curl_setopt($ch, CURLOPT_FOLLOWLOCATION,1); 
  10. curl_setopt ($ch, CURLOPT_RETURNTRANSFER, 1); 
  11. $MySources = curl_exec ($ch); 
  12. curl_close($ch); 
  13. return $MySources
  14. $Url = "http://www.phpfensi.com"; //要获取内容的也没 
  15. $User_Agent = "baiduspider+(+http://www.baidu.com/search/spider.htm)"
  16. $Referer_Url = 'http://www.phpfensi.com/'
  17. echo GetSources($Url,$User_Agent,$Referer_Url); 
  18. ?>

Tags: php小偷程序 php采集实例

分享到: