使用PHP的cURL库可以简单和有效地去抓网页,你只需要运行一个脚本,然后分析一下你所抓取的网页,然后就可以以程序的方式得到你想要的数据了,无论是你想从从一个链接上取部分数据,或是取一个XML文件并把其导入数据库,那怕就是简单的获取网页内容,cURL 是一个功能强大的PHP库,本文主要讲述如果使用这个PHP库.

下面是一个利用cURL库抓取网页的简单例子:

1. <?php 
2. $curl = curl_init(); //初始化一个cURL对象 
3. curl_setopt($curl, CURLOPT_URL, 'http://phpfensi.com'); //设置你需要抓取的URL 
4. curl_setopt($curl, CURLOPT_HEADER, 1); //设置header 
5. curl_setopt($curl, CURLOPT_RETURNTRANSFER, 1); //设置cURL参数 
6. $data = curl_exec($curl); //运行cURL，请求网页 
7. curl_close($curl); //关闭URL请求 
8. var_dump($data); //显示获得的数据 
9. ?> 

如何POST数据:上面是抓取网页的代码,下面则是向某个网页POST数据,假设我们有一个处理表单的网址http://www.phpfensi.com/sendSMS.php,其可以接受两个表单域,一个是电话号码,一个是短信内容.

1. <?php 
2. $phoneNumber = '13912345678'; 
3. $message = 'This message was generated by curl and php'; 
4. $curlPost  = 'pNUMBER=' . urlencode($phoneNumber); 
5. $curlPost .= '&amp;MESSAGE=' . urlencode($message); 
6. $curlPost .= '&amp;SUBMIT=Send'; 
7. $ch = curl_init(); 
8. curl_setopt($ch, CURLOPT_URL, 'http://www.phpfensi.com/sendSMS.php'); 
9. curl_setopt($ch, CURLOPT_HEADER, 1); 
10. curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1); 
11. curl_setopt($ch, CURLOPT_POST, 1); 
12. curl_setopt($ch, CURLOPT_POSTFIELDS, $curlPost); 
13. $data = curl_exec();curl_close($ch); 
14. ?> 

从上面的程序我们可以看到,使用CURLOPT_POST设置HTTP协议的POST方法,而不是GET方法,然后以CURLOPT_POSTFIELDS设置POST的数据.

关于代理服务器:下面是一个如何使用代理服务器的示例,请注意其中高亮的代码,代码很简单,我就不用多说了.

1. <?php 
2. $ch = curl_init(); 
3. curl_setopt($ch, CURLOPT_URL, 'http://www.phpfensi.com'); 
4. curl_setopt($ch, CURLOPT_HEADER, 1); 
5. curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1); 
6. curl_setopt($ch, CURLOPT_HTTPPROXYTUNNEL, 1); 
7. curl_setopt($ch, CURLOPT_PROXY, 'fakeproxy.com:1080'); 
8. curl_setopt($ch, CURLOPT_PROXYUSERPWD, 'user:password'); 
9. $data = curl_exec();curl_close($ch); 
10. ?> 

关于SSL和Cookie

关于SSL也就是HTTPS协议,你只需要把CURLOPT_URL连接中的http://变成https://就可以了,当然,还有一个参数叫CURLOPT_SSL_VERIFYHOST可以设置为验证站点.

关于Cookie,你需要了解下面三个参数:

CURLOPT_COOKIE,在当面的会话中设置一个cookie

CURLOPT_COOKIEJAR,当会话结束的时候保存一个Cookie

CURLOPT_COOKIEFILE,Cookie的文件.

HTTP服务器认证:最后,我们来看一看HTTP服务器认证的情况.

1. <?php 
2. $ch = curl_init(); 
3. curl_setopt($ch, CURLOPT_URL, 'http://www.phpfensi.com'); 
4. curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1); 
5. curl_setopt($ch, CURLOPT_HTTPAUTH, CURLAUTH_BASIC); 
6. curl_setopt(CURLOPT_USERPWD, '[username]:[password]'); 
7.  
8. $data = curl_exec(); 
9. curl_close($ch); 
10. ?> 

关于其它更多的内容,请参看相关的cURL手册.

Tags: cURL库 网页抓取

分享到：