php里常用的远程采集函数

php里常用的远程采集函数

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。

函数

代码如下

复制代码

/**  * 获取远程url的内容  * @param string $url  * @return string  */ function get_url_content($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	复制代码
$url = 'http://www.111cn.net'; $a = get_url_content($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	复制代码
<?php $oldcontent = file_get_contents(“http://www.abcam.cn/index.html?pageconfig=catalog_byproducttype&intProductTypeID=1&strStartChar=A&intResultsPage=2&tr=59”); 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

复制代码

<?php $oldcontent = file_get_contents(“http://www.abcam.cn/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,$plast); echo substr($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

复制代码

<?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); ?>

OK,继续上班,今天的截取就到这里,下次就说说正则表达式提取内容