在php中采集数据最常用的就是使用curl函数来操作,因为curl函数是高性能并且多线程功能,下面我来介绍一个php采集程序,各位同学有需要可进入参考.
php里常用的远程采集函数,代码如下:
-
-
-
-
-
-
function get_url_content($url) {
-
if(function_exists(curl_init)) {
-
$ch = curl_init();
-
$timeout = 5;
-
curl_setopt ($ch, CURLOPT_URL, $url);
-
curl_setopt ($ch, CURLOPT_RETURNTRANSFER, 1);
-
curl_setopt ($ch, CURLOPT_CONNECTTIMEOUT, $timeout);
-
curl_setopt ($ch, CURLOPT_TIMEOUT, $timeout);
-
-
$file_contents = curl_exec($ch);
-
curl_close($ch);
-
} else {
-
$file_contents = file_get_contents($url);
-
}
-
-
return $file_contents;
-
}
调用方法,代码如下:
-
$url = 'http://www.vcphp.com';
-
$a = get_url_content($url);
-
echo $a;
上面只是一个简单的实例,如果我们想应用可参考我自己写的采集程序了.
1,获取目标网页数据;2,截取相关内容;3,写入数据库/生成HMTL文件;
下面就按照步骤来试试!
获取目标网页数据
1, 确定好,要获取的网页地址甚至形式,这里我们采用的网址是:/index.html?pageconfig=catalog_byproducttype&intProductTypeID=1&strStartChar=A&intResultsPage=1&tr=59,这个页面是有分页的,根据规律,我们找到只需要改变page参数就可以翻页!即:我们的网页形式是:/index.html?pageconfig=catalog_byproducttype& amp;intProductTypeID=1&strStartChar=A&intResultsPage= NUMBER &tr=59
红色部分是当前页码对应值!只需要改变该值就可以了!
2,获取页面内容:自然要用到PHP函数了!这里,两个函数都可以!他们分别是:
file_get_contents() 把整个文件读入一个字符串中。和 file() 一样,不同的是file_get_contents() 把文件读入一个字符串。file_get_contents() 函数是用于将文件的内容读入到一个字符串中的首选方法。如果操作系统支持,还会使用内存映射技术来增强性能。语法: file_get_contents( path , include_path , context , start , max_length ) curl() 了解详细,请参阅官网文档:http://cn.php.net/curl fopen()函数打开文件或者 URL。如果打开失败,本函数返回 FALSE。语法: fopen(filename,mode,include_path,context)当然,我们采用的是第一个!其实,所有的都差不多,有兴趣的童子可以常识常识其他的!代码如下:
-
<?php
-
$oldcontent = file_get_contents(“http:
-
echo $oldcontent;
-
?>
运行PHP程序,上面的代码可以显示出整个网页!由于原网页采用的是绝地路径,所以现在显示的效果和原来的是一模一样的!
接下来就是要,截取内容了!截取内容的方法也有很多,今天介绍的一种比较简单,代码如下:
-
<?php
-
$oldcontent = file_get_contents(“http:
-
$oldcontent;
-
$pfirst = ‘<table border=”0″ cellspacing=”0″ cellpadding=”0″> <tr> <th style=”padding-left: 0px;”><p style=”font-size:12px”><strong>Code</strong></p></th>’;
-
$plast = ‘Goat polyclonal’;
-
$b= strpos($oldcontent,$pfirst);
-
$c= strpos($oldcontent,$plast);
-
echo substr($oldcontent,$b,$c-1);
-
?>
输出的,即为所需要的结果,写入数据库和写入文件都是比较简单的,这里就写入文件了,代码如下:
-
<?php
-
$oldcontent = file_get_contents(“index.html?pageconfig=catalog_byproducttype&intProductTypeID=1&strStartChar=A&intResultsPage=2&tr=59″);
-
$oldcontent;
-
$pfirst = ‘<table border=”0″ cellspacing=”0″ cellpadding=”0″> <tr> <th style=”padding-left: 0px;”><p style=”font-size:12px”><strong>Code</strong></p></th>’;
-
$plast = ‘Goat polyclonal’;
-
$b= strpos($oldcontent,$pfirst);
-
$c= strpos($oldcontent,$plast);
-
$a = substr($oldcontent,$b,$c-1);
-
$file = date(‘YmdHis’).”.html”;
-
$fp = fopen($file,”w+”);
-
if(!is_writable($file)){
-
die(“File “.$file.” can not be written”);
-
}
-
else {
-
file_put_contents($file, $a);
-
echo “success”;
-
}
-
fclose($fp);
-
?>
-
(责任编辑:最模板) |