php curl采集站外内容示例代码_php curl

php curl采集站外内容示例代码: 发布时间：2019-11-17编辑：脚本学堂

本文介绍下php编程中curl采集网站内容的方法，分享几个php curl的例子，供大家参考。

在php编程中，curl是专门用来进行网络交互的库，提供了一堆自定义选项，用来应对不同的环境，稳定性自然要大于file_get_contents。

一，选择curl的理由
关于curl与file_get_contents，摘抄一段通俗易懂的对比：
file_get_contents其实是一堆内置的文件操作函数的合并版本，比如file_exists,fopen,fread,fclose，专门提供给懒人用的，而且它主要是用来对付本地文件的，但又是因为懒人的原因，同时加入了对网络文件的支持；
curl是专门用来进行网络交互的库，提供了一堆自定义选项，用来应对不同的环境，稳定性自然要大于file_get_contents。

二，php curl使用方法
1、开启curl支持
由于php环境安装后默认是没有打开curl支持的，需修改php.ini文件，找到;extension=php_curl.dll，把前面的冒号去掉，重启服务即可；
2、使用curl进行数据抓取

复制代码代码示例:

<?php

// 初始化一个 cURL 对象 

$curl = curl_init(); 

// 设置你需要抓取的URL 

curl_setopt($curl, CURLOPT_URL, 'http://www.jb200.com'); 

// 设置header 

curl_setopt($curl, CURLOPT_HEADER, 1); 

// 设置cURL 参数，要求结果保存到字符串中还是输出到屏幕上。 

curl_setopt($curl, CURLOPT_RETURNTRANSFER, 1); 

// 运行cURL，请求网页 

$data = curl_exec($curl); 

// 关闭URL请求 

curl_close($curl);

3、通过正则匹配找到关键数据

复制代码代码示例:

<?php

//$data是curl_exec返回的的值，即采集的目标内容 

preg_match_all("/<li class="item">(.*?)</li>/",$data, $out, PREG_SET_ORDER); 

foreach($out as $key => $value){ 

    //此处$value是数组，同时记录找到带匹配字符的整句和单独匹配的字符 

    echo '匹配到的整句：'.$value[0].'

'; 

    echo '单独匹配到的：'.$value[1].'

'; 

}

PHP curl的技巧
1、超时的相关设置
通过curl_setopt($ch, opt) 可以设置一些超时的设置，主要包括：
CURLOPT_TIMEOUT 设置cURL允许执行的最长秒数。
CURLOPT_TIMEOUT_MS 设置cURL允许执行的最长毫秒数。 (在cURL 7.16.2中被加入。从PHP 5.2.3起可使用。 )
CURLOPT_CONNECTTIMEOUT 在发起连接前等待的时间，如果设置为0，则无限等待。
CURLOPT_CONNECTTIMEOUT_MS 尝试连接等待的时间，以毫秒为单位。如果设置为0，则无限等待。在cURL 7.16.2中被加入。从PHP 5.2.3开始可用。
CURLOPT_DNS_CACHE_TIMEOUT 设置在内存中保存DNS信息的时间，默认为120秒。
<?php
curl_setopt($ch, CURLOPT_TIMEOUT, 60); //只需要设置一个秒的数量就可以
curl_setopt($ch, CURLOPT_NOSIGNAL, 1); //注意，毫秒超时一定要设置这个
curl_setopt($ch, CURLOPT_TIMEOUT_MS, 200); //超时毫秒，cURL 7.16.2中被加入。从PHP 5.2.3起可使用

2、通过post提交数据，保留cookie

复制代码代码示例:

<?php
//Curl 模拟登录 discuz 程序,适合DZ7.0

!extension_loaded('curl') && die('The curl extension is not loaded.');

$discuz_url = 'http://www.jb200.com';//论坛地址
$login_url = $discuz_url .'/logging.php?action=login';//登录页地址
$get_url = $discuz_url .'/my.php?item=threads'; //我的帖子

$post_fields = array();
//以下两项不需要修改
$post_fields['loginfield'] = 'username';
$post_fields['loginsubmit'] = 'true';
//用户名和密码，必须填写
$post_fields['username'] = 'jbxue';
$post_fields['password'] = '88888888';
//安全提问
$post_fields['questionid'] = 0;
$post_fields['answer'] = '';
//@todo验证码
$post_fields['seccodeverify'] = '';

//获取表单FORMHASH
$ch = curl_init($login_url);
curl_setopt($ch, CURLOPT_HEADER, 0);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
$contents = curl_exec($ch);
curl_close($ch);
preg_match('/<inputs*type="hidden"s*name="formhash"s*value="(.*?)"s*/>/i', $contents, $matches);
if(!empty($matches)) {
    $formhash = $matches[1];
} else {
    die('Not found the forumhash.');
}

//POST数据，获取COOKIE
$cookie_file = dirname(__FILE__) . '/cookie.txt';
//$cookie_file = tempnam('/tmp');
$ch = curl_init($login_url);
curl_setopt($ch, CURLOPT_HEADER, 0);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
curl_setopt($ch, CURLOPT_POST, 1);
curl_setopt($ch, CURLOPT_POSTFIELDS, $post_fields);
curl_setopt($ch, CURLOPT_COOKIEJAR, $cookie_file);
curl_exec($ch);
curl_close($ch);

//带着上面得到的COOKIE获取需要登录后才能查看的页面内容
$ch = curl_init($get_url);
curl_setopt($ch, CURLOPT_HEADER, 0);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 0);
curl_setopt($ch, CURLOPT_COOKIEFILE, $cookie_file);
$contents = curl_exec($ch);
curl_close($ch);

var_dump($contents);

上一篇：php curl检测网页是否被百度收录
下一篇：PHP获取远程网页内容(fopen,curl方式)

与 php curl采集站外内容示例代码有关的文章

本文标题：php curl采集站外内容示例代码
本页链接：http://www.jb200.com/article/16366.html

浏览排行

热点文章

php curl采集站外内容示例代码