施用php发送Http请求，抓取网页数据

施用php发送Http请求，抓取网页数据

使用php发送Http请求，抓取网页数据

做过j2ee 或android开发的童鞋，应该或多或少都使用过Apeache的HttpClient类库吧。这个类库给我们提供了十分强大的服务端Http请求操作。在开发中使用起来十分的方便。

最近做php的开发，也有需要在服务端发送http请求，然后处理返回到客户端，如果用socket来做，未必又太麻烦了，心想这看看php中有没有类似HttpClient这样的类库。

         Google了一下，发现php中还真有这么一个类库，而且名字就叫做httpclient，相当的激动啊，到官网一看，发现已经好多年都没更新过了，而且功能貌似也有限，大失所望啊。接着我找到了另外一个类库Snoopy，对于这个类库我也不了解，不过看网上的响应还不错，于是决定就用他了。他的API使用和Apeache的HttpClient差别很大，但是还是十分容易使用。而且提供了许多特殊用途的方法，比如可以只抓去页面中的form表单，或者所有的链接等等。

include 'Snoopy.class.php';
$snoopy = new Snoopy();
$snoopy->fetch("http://www.baidu.com");
echo $snoopy->results;

上面这几句代码，就可以很轻松的将百度的页面抓取过来。

当然在需要发送post表单时，可以使用submit方法来提交数据。

同时他还通过了请求头，相应头以及Cookie的相关操作函数，十分的强大。

include "Snoopy.class.php";
$snoopy = new Snoopy();

$snoopy->proxy_host = "http://www.baidu.cn";
$snoopy->proxy_port = "80";

$snoopy->agent = "(compatible; MSIE 4.01; MSN 2.5; AOL 4.0; Windows 98)";
$snoopy->referer = "http://www.4wei.cn";
 
$snoopy->cookies["SessionID"] = '238472834723489';
$snoopy->cookies["favoriteColor"] = "RED";

$snoopy->rawheaders["Pragma"] = "no-cache";

$snoopy->maxredirs = 2;
$snoopy->offsiteok = false;
$snoopy->expandlinks = false;

$snoopy->user = "joe";
$snoopy->pass = "bloe";

if($snoopy->fetchtext("http://www.baidu.cn")) {
	echo "
" . htmlspecialchars($snoopy->results) . "
\n";
} else {
	echo "error fetching document: " . $snoopy->error . "\n";
}

更多的操作方法，可以去Snoopy的官方查看文档，或者是直接查看源代码。

到这里，snoopy也仅仅是把页面抓取回来，如果要对抓取回来的页面进行数据提取，那么它就帮不上什么忙了。这里我又找到了另外一个php解析html的好工具：phpQuery，它提供的操作方法和jquery几乎一模一样，而且提供了一些php的特性，熟悉jquery的童鞋，用phpquery应该是相当的顺手啊，甚至phpQuery的文档都不需要了..

使用Snoopy+PhpQuery可以很方便的实现网页的抓取和数据解析，十分有用啊，我也是最近有这方面的需要，才发现了这两个不错的类库啊，原来很多java可以做的事情，php也能做哦。

有兴趣的同学，也可以试试用他们来做个简易的网页爬虫哦。