php抓取网页数据实例(PHP自带http_build_query()设置目标url)

　　php抓取网页数据实例(PHP自带http_build_query()设置目标url)

　　CURL 是一个强大的 PHP 库。使用PHP的cURL库可以方便有效的抓取网页和采集内容，设置cookies来完成模拟登录网页，curl提供了丰富的功能，开发者可以从PHP手册中获取更多关于cURL的信息。本文以模拟登录开源中国（oschina）为例，与大家分享cURL的使用。

　　PHP的curl()在抓取网页的效率上比较高，并且支持多线程，而file_get_contents()的效率稍低。当然，使用curl时需要开启curl扩展。

　　代码实战

　　我们先来看看登录部分的代码：

　　//模拟登录

function login_post($url, $cookie, $post) {

$curl = curl_init();//初始化curl模块

curl_setopt($curl, CURLOPT_URL, $url);//登录提交的地址

curl_setopt($curl, CURLOPT_HEADER, 0);//是否显示头信息

curl_setopt($curl, CURLOPT_RETURNTRANSFER, 0);//是否自动显示返回的信息

curl_setopt($curl, CURLOPT_COOKIEJAR, $cookie); //设置Cookie信息保存在指定的文件中

curl_setopt($curl, CURLOPT_POST, 1);//post方式提交

curl_setopt($curl, CURLOPT_POSTFIELDS, http_build_query($post));//要提交的信息

curl_exec($curl);//执行cURL

curl_close($curl);//关闭cURL资源，并且释放系统资源

}

　　函数login_post()首先初始化curl_init()，然后使用curl_setopt()设置相关选项信息，包括要提交的URL地址，保存的cookie文件，post数据（用户名密码等信息），是否返回信息等，然后curl_exec执行curl，最后curl_close()释放资源。请注意，PHP 自带的 http_build_query() 可以将数组转换为串联字符串。

　　接下来，如果登录成功，我们需要获取登录成功后的页面信息。

　　//登录成功后获取数据

function get_content($url, $cookie) {

$ch = curl_init();

curl_setopt($ch, CURLOPT_URL, $url);

curl_setopt($ch, CURLOPT_HEADER, 0);

curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);

curl_setopt($ch, CURLOPT_COOKIEFILE, $cookie); //读取cookie

$rs = curl_exec($ch); //执行cURL抓取页面内容

curl_close($ch);

return $rs;

}

　　函数get_content()也是先初始化curl，然后设置相关选项，执行curl，释放资源。其中，我们设置CURLOPT_RETURNTRANSFER为1自动返回信息，CURLOPT_COOKIEFILE可以读取登录时保存的cookie信息，最终返回页面内容。

　　我们的最终目标是获取模拟登录后的信息，即只有正常登录成功才能获取的有用信息。接下来我们以开源中国移动版为例，看看登录成功后如何抓取信息。

　　//设置post的数据

$post = array (

'email' => 'oschina账户',

'pwd' => 'oschina密码',

'goto_page' => '/my',

'error_page' => '/login',

'save_login' => '1',

'submit' => '现在登录'

);

//登录地址

$url = "http://m.jb51.net/action/user/login";

//设置cookie保存路径

$cookie = dirname(__FILE__) . '/cookie_jb51.txt';

//登录后要获取信息的地址

$url2 = "http://m.jb51.net/my";

//模拟登录

login_post($url, $cookie, $post);

//获取登录页的信息

$content = get_content($url2, $cookie);

//删除cookie文件

@ unlink($cookie);

//匹配页面信息

$preg = "/(.*)/i";

preg_match_all($preg, $content, $arr);

$str = $arr[1][0];

//输出内容

echo $str;

　　运行上面的代码后，我们会看到最终得到了登录用户的头像。

　　

　　使用总结：

　　1、初始化curl；

　　2、使用curl_setopt设置目标url，以及其他选项；

　　3、curl_exec，执行curl；

　　4、 执行后关闭curl；

　　5、 输出数据。