php file_get_contents数据采集与常用见问题解决

php file_get_contents数据采集与常用见问题解决

在批量的数据采集在php中很少会使用file_get_contents函数来操作，但是如果是小量的我们可以使用file_get_contents函数操作，因为它不但好用而且简单易学，下面我来介绍file_get_contents用法与使用过程中的问题解决办法。

先来看问题

file_get_contents不能获取带端口的网址

例如：

代码如下	复制代码
file_get_contents('http://localhost:12345');

没有任何获取。

解决方法是 ：关闭selinux

1 永久方法 – 需要重启服务器

修改/etc/selinux/config文件中设置SELINUX=disabled ，然后重启服务器。

2 临时方法 – 设置系统参数

使用命令setenforce 0

附：
setenforce 1 设置SELinux 成为enforcing模式
setenforce 0 设置SELinux 成为permissive模式

file_get_contents超时

代码如下	复制代码
function _file_get_contents($url) {   $context = stream_context_create(array(      'http' => array(       'timeout' => 180 //超时时间，单位为秒      )   ));     return @file_get_contents($url, 0, $context); }

好了上面的问题得到解决之后我们可以开始采集了。

 

代码如下

复制代码

<?php //全国，判断条件是$REQUEST_URI是否含有html if (!strpos($_SERVER["REQUEST_URI"],".html")) { $page="http://qq.ip138.com/weather/"; $html = file_get_contents($page,'r'); $pattern="/<B>全国主要城市、县当天和未来五天天气趋势预报在线查询</B>(.*?)<center style="padding:3px">/si"; //正则匹配之间的html preg_match($pattern,$html,$pg); echo ""; //正则替换远程地址为本地地址 $p=preg_replace('//weather/(w+)/index.htm/', 'tq.php/$1.html', $pg[1]); echo $p; } //省，判断条件是$REQUEST_URI是否含有？ else if(!strpos($_SERVER["REQUEST_URI"],"?")){ //yoyo推荐的使用分割获得数据，这里是获得省份名称 $province=explode("/",$_SERVER["REQUEST_URI"]); $province=explode(".",$province[count($province)-1]); $province=$province[0]; //被注释掉的是我自己写出来的正则，感觉写的不好，但效果等同上面 //preg_match('/[^/]+[.(html)]$/',$_SERVER["REQUEST_URI"],$pro); //$province=preg_replace('/.html/','',$pro[0]); $page="http://qq.ip138.com/weather/".$province."/index.htm"; //获取html数据之前先尝试打开页面，防止恶意输入地址导致出错 if (!@fopen($page, "r")) { die("对不起，该地址不存在!<a href=javascript:history.back(1)>点击这里返回</a>"); exit(0); } $html = file_get_contents($page,'r'); $pattern="/五天天气趋势预报</B>(.*?)请输入输入市/si"; preg_match($pattern,$html,$pg); echo ""; //正则替换，获取省份，城市 $p=preg_replace('//weather/(w+)/(w+).htm/', '$2.html?pro=$1', $pg[1]); echo $p; } else { //市，通过get传递省份 $pro=$_REQUEST['pro']; $city=explode("/",$_SERVER["REQUEST_URI"]); $city=explode(".",$city[count($city)-1]); $city=$city[0]; //preg_match('/[^/]+[.(html)]+[?]/',$_SERVER["REQUEST_URI"],$cit); //$city=preg_replace('/.html?/','',$cit[0]); $page="http://qq.ip138.com/weather/".$pro."/".$city.".htm"; if (!@fopen($page, "r")) { die("对不起，该地址不存在!<a href=javascript:history.back(1)>点击这里返回</a>"); exit(0); } $html = file_get_contents($page,'r'); $pattern="/五天天气趋势预报</B>(.*?)请输入输入市/si"; preg_match($pattern,$html,$pg); echo ""; //获取真实的图片地址 $p=preg_replace('//image//', 'http://qq.ip138.com/image/', $pg[1]); echo $p; } ?>

如果上面办法无法采集到数据我们可以使用来处理

 

代码如下	复制代码
<?php $url = "http://www.111cn.net "; $ch = curl_init(); $timeout = 5; curl_setopt($ch, CURLOPT_URL, $url); curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1); curl_setopt($ch, CURLOPT_CONNECTTIMEOUT, $timeout); //在需要用户检测的网页里需要增加下面两行 //curl_setopt($ch, CURLOPT_HTTPAUTH, CURLAUTH_ANY); //curl_setopt($ch, CURLOPT_USERPWD, US_NAME.":".US_PWD); $contents = curl_exec($ch); curl_close($ch); echo $contents; ?>