|
|
選擇curl的理由
關于curl與file_get_contents，摘抄一段通俗易懂的對比：
file_get_contents其實是一堆內置的文件操作函數(shù)的合并版本，比如file_exists,fopen,fread,fclose，專門提供給懶人用的，而且它主要是用來對付本地文件的，但又是因為懶人的原因，同時加入了對網絡文件的支持；
curl是專門用來進行網絡交互的庫，提供了一堆自定義選項，用來應對不同的環(huán)境，穩(wěn)定性自然要大于file_get_contents。
使用方法
1、開啟curl支持
由于php環(huán)境安裝后默認是沒有打開curl支持的，需修改php.ini文件，找到;extension=php_curl.dll，把前面的冒號去掉，重啟服務即可；
2、使用curl進行數(shù)據抓取
復制代碼 代碼如下:
// 初始化一個 cURL 對象
$curl = curl_init();
// 設置你需要抓取的URL
curl_setopt($curl, CURLOPT_URL, 'http://www.cmx8.cn');
// 設置header
curl_setopt($curl, CURLOPT_HEADER, 1);
// 設置cURL 參數(shù)，要求結果保存到字符串中還是輸出到屏幕上。
curl_setopt($curl, CURLOPT_RETURNTRANSFER, 1);
// 運行cURL，請求網頁
$data = curl_exec($curl);
// 關閉URL請求
curl_close($curl);
3、通過正則匹配找到關鍵數(shù)據
復制代碼 代碼如下:
//$data是curl_exec返回的的值，即采集的目標內容
preg_match_all("/<li class=/"item/">(.*?)<//li>/",$data, $out, PREG_SET_ORDER);
foreach($out as $key => $value){
//此處$value是數(shù)組，同時記錄找到帶匹配字符的整句和單獨匹配的字符
echo '匹配到的整句：'.$value[0].'
';
echo '單獨匹配到的：'.$value[1].'
';
}
技巧
1、超時的相關設置
通過curl_setopt($ch, opt) 可以設置一些超時的設置，主要包括：
CURLOPT_TIMEOUT 設置cURL允許執(zhí)行的最長秒數(shù)。
CURLOPT_TIMEOUT_MS 設置cURL允許執(zhí)行的最長毫秒數(shù)。 (在cURL 7.16.2中被加入。從php 5.2.3起可使用。 )
CURLOPT_CONNECTTIMEOUT 在發(fā)起連接前等待的時間，如果設置為0，則無限等待。
CURLOPT_CONNECTTIMEOUT_MS 嘗試連接等待的時間，以毫秒為單位。如果設置為0，則無限等待。 在cURL 7.16.2中被加入。從php 5.2.3開始可用。
CURLOPT_DNS_CACHE_TIMEOUT 設置在內存中保存DNS信息的時間，默認為120秒。
復制代碼 代碼如下:
curl_setopt($ch, CURLOPT_TIMEOUT, 60); //只需要設置一個秒的數(shù)量就可以
curl_setopt($ch, CURLOPT_NOSIGNAL, 1); //注意，毫秒超時一定要設置這個
curl_setopt($ch, CURLOPT_TIMEOUT_MS, 200); //超時毫秒，cURL 7.16.2中被加入。從php 5.2.3起可使用
2、通過post提交數(shù)據，保留cookie
復制代碼 代碼如下:
//以下摘抄一個例子過來，用于學習借鑒:
//Curl 模擬登錄 discuz 程序,適合DZ7.0
!extension_loaded('curl') && die('The curl extension is not loaded.');
$discuz_url = 'http://www.lxvoip.com';//論壇地址
$login_url = $discuz_url .'/logging.php?action=login';//登錄頁地址
$get_url = $discuz_url .'/my.php?item=threads'; //我的帖子
$post_fields = array();
//以下兩項不需要修改
$post_fields['loginfield'] = 'username';
$post_fields['loginsubmit'] = 'true';
//用戶名和密碼，必須填寫
$post_fields['username'] = 'lxvoip';
$post_fields['password'] = '88888888';
//安全提問
$post_fields['questionid'] = 0;
$post_fields['answer'] = '';
//@todo驗證碼
$post_fields['seccodeverify'] = '';
//獲取表單FORMHASH
$ch = curl_init($login_url);
curl_setopt($ch, CURLOPT_HEADER, 0);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
$contents = curl_exec($ch);
curl_close($ch);
preg_match('/<input/s*type="hidden"/s*name="formhash"/s*value="(.*?)"/s*//>/i', $contents, $matches);
if(!empty($matches)) {
$formhash = $matches[1];
} else {
die('Not found the forumhash.');
}
//POST數(shù)據，獲取COOKIE
$cookie_file = dirname(__FILE__) . '/cookie.txt';
//$cookie_file = tempnam('/tmp');
$ch = curl_init($login_url);
curl_setopt($ch, CURLOPT_HEADER, 0);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
curl_setopt($ch, CURLOPT_POST, 1);
curl_setopt($ch, CURLOPT_POSTFIELDS, $post_fields);
curl_setopt($ch, CURLOPT_COOKIEJAR, $cookie_file);
curl_exec($ch);
curl_close($ch);
//帶著上面得到的COOKIE獲取需要登錄后才能查看的頁面內容
$ch = curl_init($get_url);
curl_setopt($ch, CURLOPT_HEADER, 0);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 0);
curl_setopt($ch, CURLOPT_COOKIEFILE, $cookie_file);
$contents = curl_exec($ch);
curl_close($ch);
var_dump($contents);
php技術：curl實現(xiàn)站外采集的方法和技巧，轉載需保留來源！
鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播更多信息之目的，如作者信息標記有誤，請第一時間聯(lián)系我們修改或刪除，多謝。
