十分钟带你了解PHP实现爬虫的过程

发布:smiling　来源: PHP粉丝网　添加日期：2022-07-09 09:57:59　浏览: 评论：0　

文字信息

我们尝试获取表的信息，这里，我们就用某校的课表来代替：

十分钟带你了解PHP实现爬虫的过程

接下来我们就上代码：

a.php

<?php  header( "Content-type:text/html;Charset=utf-8" );

$ch = curl_init();        $url ="表的链接";

        curl_setopt ( $ch , CURLOPT_USERAGENT ,"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/53.0.2785.113 Safari/537.36" );

        curl_setopt($ch,CURLOPT_URL,$url);

        curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);        $content=curl_exec($ch);

        preg_match_all("/<td rowspan=\"\d\">(.*?)<\/td>\n<td rowspan=\"\d\">(.*?)<\/td><td rowspan=\"\d\" align=\"\w+\">(.*?)<\/td><td rowspan=\"\d\" align=\"\w+\">(.*?)<\/td><td>(.*?)<\/td>\n<td>(.*?)<\/td><td>(.*?)<\/td>/",$content,$matchs,PREG_SET_ORDER);//匹配该表所用的正则

        var_dump($matchs);

然后咱们就运行一下：

十分钟带你了解PHP实现爬虫的过程

成功获取到课表；

图片获取

绝对链接

我们以百度图库的首页为例

十分钟带你了解PHP实现爬虫的过程

b.php

<?php  header( "Content-type:text/html;Charset=utf-8" );

  $ch = curl_init();    $url="http://image.baidu.com/";

  curl_setopt ( $ch , CURLOPT_USERAGENT ,"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/53.0.2785.113 Safari/537.36" );

  curl_setopt($ch,CURLOPT_URL,$url);

  curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);    $content=curl_exec($ch);    $string=file_get_contents($url);

  preg_match_all("/<img([^>]*)\s*src=('|\")([^'\"]+)('|\")/",

                  $string,$matches);    $new_arr=array_unique($matches[3]);     foreach($new_arr as $key){

      echo "<img src=$key>";

   }