php如何抓取网页数据( 使用PHP的cURL库设置cookie完成模拟登录网页的使用总结)

　　php如何抓取网页数据(

使用PHP的cURL库设置cookie完成模拟登录网页的使用总结)

　　php curl模拟登录并获取数据实例详情

　　更新时间：2016年12月22日08:36:05投稿：lqh

　　cURL 是一个强大的 PHP 库。使用PHP的cURL库可以简单有效的抓取网页和采集内容，设置cookie完成模拟登录网页，curl提供了丰富的功能，开发者可以参考PHP手册了解cURL的更多信息。本文以开源中国（oschina）的模拟登录为例。有需要的朋友可以参考以下

　　PHP 的 curl() 爬取网页的效率相对较高，并且支持多线程，而 file_get_contents() 的效率略低。当然，使用 curl 时需要启用 curl 扩展。

　　代码实战

　　我们先看登录部分的代码：

//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（用户名和密码等）、是否提交返回信息等，然后curl_exec执行curl，最后curl_close()释放资源。请注意，PHP 自己的 http_build_query() 可以将数组转换为连接字符串。

　　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，我们将CURLOPT_RETURNTRANSFER设置为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后才能获取的有用信息。下面我们以登录开源中国手机版为例，看看登录成功后如何获取信息。

//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.oschina.net/action/user/login"; //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;

　　使用总结

　　1、初始化卷曲；

　　2、使用 curl_setopt 设置目标 url 等选项；

　　3、curl_exec，执行curl；

　　4、 执行后关闭curl；

　　5、输出数据。

　　感谢您的阅读，希望对您有所帮助，感谢您对本站的支持！