php抓取网页数据实例(PHP利用curl函数实现登录并抓取数据的使用总结(一))

　　php抓取网页数据实例(PHP利用curl函数实现登录并抓取数据的使用总结(一))

　　几乎所有程序员都会使用curl函数来模拟用户登录或者抓取数据。下面给大家介绍一下使用curl函数登录和抓取数据。我希望下面的例子对你有所帮助。

　　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()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 

    }

　　login_post()函数首先初始化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）、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://www.xxx.com; 

//设置cookie保存路径 

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

//登录后要获取信息的地址 

$url2 = "http://m.oschina.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。