基于curl數據采集之單頁面采集函數get_html的使用_PHP教程
推薦：基于curl數據采集之正則處理函數get_matches的使用本篇文章介紹了，基于curl數據采集之正則處理函數get_matches的使用。需要的朋友參考下
這是一個系列 沒辦法在一兩天寫完 所以一篇一篇的發布
大致大綱：
2.curl數據采集系列之多頁面并行采集函數get_htmls
3.curl數據采集系列之正則處理函數get _matches
4.curl數據采集系列之代碼分離
5.curl數據采集系列之并行邏輯控制函數web_spider
單頁面采集在數據采集過程中是最常用的一個功能 有時在服務器訪問限制的情況下 只能使用這種采集方式 慢 但是可以簡單的控制 所以寫好一個常用的curl函數調用是很重要的
百度和網易比較熟悉 所以拿這兩個網站首頁采集來做例子講解
最簡單的寫法：
復制代碼 代碼如下:www.zhaotila.cn
$url = 'http://www.baidu.com';
$ch = curl_init($url);
curl_setopt($ch,CURLOPT_RETURNTRANSFER,true);
curl_setopt($ch,CURLOPT_TIMEOUT,5);
$html = curl_exec($ch);
if($html !== false){
echo $html;
}
由于使用頻繁 可以利用curl_setopt_array寫成函數的形式：
復制代碼 代碼如下:www.zhaotila.cn
function get_html($url,$options = array()){
$options[CURLOPT_RETURNTRANSFER] = true;
$options[CURLOPT_TIMEOUT] = 5;
$ch = curl_init($url);
curl_setopt_array($ch,$options);
$html = curl_exec($ch);
curl_close($ch);
if($html === false){
return false;
}
return $html;
}
復制代碼 代碼如下:www.zhaotila.cn
$url = 'http://www.baidu.com';
echo get_html($url);
有時候需要傳遞一些特定的參數才能得到正確的頁面 如現在要得到網易的頁面：
復制代碼 代碼如下:www.zhaotila.cn
$url = 'http://www.163.com';
echo get_html($url);
會看到一片空白 什么也沒有 那么再利用curl_getinfo寫一個函數 看看發生了什么：
復制代碼 代碼如下:www.zhaotila.cn
function get_info($url,$options = array()){
$options[CURLOPT_RETURNTRANSFER] = true;
$options[CURLOPT_TIMEOUT] = 5;
$ch = curl_init($url);
curl_setopt_array($ch,$options);
$html = curl_exec($ch);
$info = curl_getinfo($ch);
curl_close($ch);
return $info;
}
$url = 'http://www.163.com';
var_dump(get_info($url));
可以看到http_code 302 重定向了 這時候就需要傳遞一些參數了：
復制代碼 代碼如下:www.zhaotila.cn
$url = 'http://www.163.com';
$options[CURLOPT_FOLLOWLOCATION] = true;
echo get_html($url,$options);
會發現 怎么是這樣的一個頁面 和我們電腦訪問的不同？？？
看來參數還是不夠 不夠服務器判斷我們的客戶端是什么設備上的 就返回了個普通版
看來還要傳送USERAGENT
復制代碼 代碼如下:www.zhaotila.cn
$url = 'http://www.163.com';
$options[CURLOPT_FOLLOWLOCATION] = true;
$options[CURLOPT_USERAGENT] = 'Mozilla/5.0 (Windows NT 6.1; rv:19.0) Gecko/20100101 Firefox/19.0';
echo get_html($url,$options);
OK現在頁面已經出來了 這樣基本這個get_html函數基本能實現這樣擴展的功能
當然也有另外的辦法可以實現，當你明確的知道網易的網頁的時候就可以簡單采集了：
復制代碼 代碼如下:www.zhaotila.cn
$url = 'http://www.163.com/index.html';
echo get_html($url);
這樣也可以正常的采集
分享：基于curl數據采集之單頁面并行采集函數get_htmls的使用用第一篇的get_html()實現簡單的數據采集，由于是一個一個執行才采集數據的傳輸時間就會是所有頁面下載的總時長，一個頁面假設1秒，那么10個頁面就是10秒了。所幸curl還提供了并行處理的功能
相關PHP教程：
- 相關鏈接：
- 教程說明：
PHP教程-基于curl數據采集之單頁面采集函數get_html的使用
。