PHP获取网页内容的几种方法

2018-01-30 10:06:05
方法1: 用file_get_contents以get方式获取内容
<?php
$url='http://www.domain.com/?para=123';
$html=file_get_contents($url);
echo$html;
?>
 
方法2:用file_get_contents函数,以post方式获取url
<?php
$url='http://www.domain.com/test.php?id=123';
$data=array('foo'=>'bar');
$data= http_build_query($data);
 
$opts=array(
'http'=>array(
   'method'=>'POST',
   'header'=>"Content-type: application/x-www-form-urlencoded\r\n" .
                     "Content-Length: " . strlen($data) . "\r\n",
   'content'=>$data
)
);
$ctx= stream_context_create($opts);
$html= @file_get_contents($url,'',$ctx);
 
如果需要再传递cookie数据,则把
'header'=>"Content-type: application/x-www-form-urlencoded\r\n" .
                  "Content-Length: " . strlen($data) . "\r\n",
修改为
'header'=>"Content-type: application/x-www-form-urlencoded\r\n" .
                 "Content-Length: " . strlen($data) . "\r\n".
                 "cookie:cookie1=c1;cookie2=c2\r\n";
即可
 
方法3: 用fopen打开url, 以get方式获取内容
<?php
$fp=fopen($url,'r');
$header= stream_get_meta_data($fp);//获取报头信息
while(!feof($fp)) {
$result.=fgets($fp, 1024);
}
echo"url header: {$header} <br>":
echo"url body: $result";
fclose($fp);
?>
 
方法4: 用fopen打开url, 以post方式获取内容
<?php
$data=array('foo2'=>'bar2','foo3'=>'bar3');
$data= http_build_query($data);
 
$opts=array(
'http'=>array(
'method'=>'POST',
'header'=>"Content-type: application/x-www-form-urlencoded\r\nCookie:cook1=c3;cook2=c4\r\n" .
"Content-Length: " . strlen($data) . "\r\n",
'content'=>$data
)
);
 
$context= stream_context_create($opts);
$html=fopen('http://www.test.com/zzzz.php?id=i3&id2=i4','rb',false,$context);
$w=fread($html,1024);
echo$w;
?>
 
方法5:用fsockopen函数打开url,以get方式获取完整的数据,包括header和body
<?php
functionget_url ($url,$cookie=false)
{
$url=parse_url($url);
$query=$url[path]."?".$url[query];
echo"Query:".$query;
$fp=fsockopen($url[host],$url[port]?$url[port]:80 , $errno,$errstr, 30);
if(!$fp) {
returnfalse;
}else{
$request="GET $query HTTP/1.1\r\n";
$request.="Host: $url[host]\r\n";
$request.="Connection: Close\r\n";
if($cookie)$request.="Cookie:   $cookie\n";
$request.="\r\n";
fwrite($fp,$request);
while(!@feof($fp)) {
$result.= @fgets($fp, 1024);
}
fclose($fp);
return$result;
}
}
//获取url的html部分,去掉header
functionGetUrlHTML($url,$cookie=false)
{
$rowdata= get_url($url,$cookie);
if($rowdata)
{
$body=stristr($rowdata,"\r\n\r\n");
$body=substr($body,4,strlen($body));
return$body;
}
 
   returnfalse;
}
?>
 
方法6:用fsockopen函数打开url,以POST方式获取完整的数据,包括header和body
<?php
functionHTTP_Post($URL,$data,$cookie,$referrer="")
{
 
   // parsing the given URL
$URL_Info=parse_url($URL);
 
   // Building referrer
if($referrer=="")// if not given use this script as referrer
$referrer="111";
 
   // making string from $data
foreach($dataas$key=>$value)
$values[]="$key=".urlencode($value);
$data_string=implode("&",$values);
 
   // Find out which port is needed - if not given use standard (=80)
if(!isset($URL_Info["port"]))
$URL_Info["port"]=80;
 
   // building POST-request:
$request.="POST ".$URL_Info["path"]." HTTP/1.1\n";
$request.="Host: ".$URL_Info["host"]."\n";
$request.="Referer: $referer\n";
$request.="Content-type: application/x-www-form-urlencoded\n";
$request.="Content-length: ".strlen($data_string)."\n";
$request.="Connection: close\n";
 
   $request.="Cookie:   $cookie\n";
 
   $request.="\n";
$request.=$data_string."\n";
 
   $fp=fsockopen($URL_Info["host"],$URL_Info["port"]);
fputs($fp,$request);
while(!feof($fp)) {
$result.=fgets($fp, 1024);
}
fclose($fp);
 
   return$result;
}
 
?>
 
方法7:使用curl库,使用curl库之前,可能需要查看一下php.ini是否已经打开了curl扩展
<?php
$ch= curl_init();
$timeout= 5;
curl_setopt ($ch, CURLOPT_URL, 'http://www.domain.com/');
curl_setopt ($ch, CURLOPT_RETURNTRANSFER, 1);
curl_setopt ($ch, CURLOPT_CONNECTTIMEOUT, $timeout);
$file_contents= curl_exec($ch);
curl_close($ch);
 
echo$file_contents;
?>


php获得网页源代码抓取网页内容的几种方法

作者:admin    时间:2013-5-25 15:38:36    浏览:21319

这里收集了3种利用php获得网页源代码抓取网页内容的方法,我们可以根据实际需要选用。

1、使用file_get_contents获得网页源代码

这个方法最常用,只需要两行代码即可,非常简单方便。

参考代码:

  • <?php

  • $fh= file_get_contents('http://www.webkaka.com/');

  • echo $fh;

  • ?>

2、使用fopen获得网页源代码

这个方法用的人也不少,不过代码有点多。

参考代码:

  • <?php

  • $fh = fopen('http://www.webkaka.com/', 'r');

  • if($fh){

  •     while(!feof($fh)) {

  •         echo fgets($fh);

  •     }

  • }

  • ?>

3、使用curl获得网页源代码



使用curl获得网页源代码的做法,往往是需要更高要求的人使用,例如当你需要在抓取网页内容的同时,得到网页header信息,还有ENCODING编码的使用,USERAGENT的使用等等。

参考代码一:

  • <?php

  • // 创建一个新cURL资源

  • $ch = curl_init();

  • // 设置URL和相应的选项

  • curl_setopt($ch, CURLOPT_URL, "http://www.webkaka.com/");

  • curl_setopt($ch, CURLOPT_HEADER, false);

  • // 抓取URL并把它传递给浏览器

  • $data = curl_exec($ch);

  • echo $data;

  • //关闭cURL资源,并且释放系统资源

  • curl_close($ch);

  • ?>

参考代码二:

  • <?php

  • $szUrl = "http://www.webkaka.com/";

  • $UserAgent = 'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.0; SLCC1; .NET CLR 2.0.50727; .NET CLR 3.0.04506; .NET CLR 3.5.21022; .NET CLR 1.0.3705; .NET CLR 1.1.4322)';

  • $curl = curl_init();

  • curl_setopt($curl, CURLOPT_URL, $szUrl);

  • curl_setopt($curl, CURLOPT_HEADER, 0);  //0表示不输出Header,1表示输出

  • curl_setopt($curl, CURLOPT_RETURNTRANSFER, 1);

  • curl_setopt($curl, CURLOPT_SSL_VERIFYPEER, false);

  • curl_setopt($curl, CURLOPT_SSL_VERIFYHOST, false);

  • curl_setopt($curl, CURLOPT_ENCODING, '');

  • curl_setopt($curl, CURLOPT_USERAGENT, $UserAgent);

  • curl_setopt($curl, CURLOPT_FOLLOWLOCATION, 1);

  • $data = curl_exec($curl);

  • echo $data;

  • //echo curl_errno($curl); //返回0时表示程序执行成功 如何从curl_errno返回值获取错误信息



  • 2020-04-12 17:42:43

    Node.js设置CORS跨域请求中多域名白名单的方法

    在Node.js中,res的响应头Header中的 Access-Control-Allow-Origin 属性不能匹配除 (*) 以外的正则表达式的,域名之间不能也用逗号分隔。也就是说, Access-Control-Allow-Origin 的属性值只允许设置为单个确定域名字符串或者 (*)。

  • 2020-04-14 09:40:59

    CSS3实现文字描边的2种方法

    首先想到去看CSS3有没有什么属性可以实现,后来被我找到了text-stroke     该属性是一个复合属性,可以设置文字宽度和文字描边颜色      该属性使用很简单:text-stroke:1px #f00;(1px是文字宽度,#ff是文字描边颜色)

  • 2020-04-14 09:42:47

    用 TypeScript 编写 npm 模块

    自从开始使用 Node.js 已经一年多,写的代码越多,越是觉得自己提高的越慢。想来应该有没有将单一功能的代码封装在一个独立模块,而导致代码稍微多一点就维护困难的原因。

  • 2020-04-14 09:46:25

    TypeScript 入门教程

    TypeScript 是 JavaScript 的超集,扩展了 JavaScript 的语法,因此现有的 JavaScript 代码可与 TypeScript 一起工作无需任何修改,TypeScript 通过类型注解提供编译时的静态类型检查。 TypeScript 可处理已有的 JavaScript 代码,并只对其中的 TypeScript 代码进行编译。

  • 2020-04-14 09:51:03

    package.json 字段说明

    package.json 有很多字段,也有很多官方字段,我们需要知道他们的具体是做什么的才能很好的运用

  • 2020-04-14 15:35:52

    caniuse前端兼容性检查和使用

    相信大家都曾用caniuse网站查询过css、js的一些兼容性问题,并且都从它反馈的兼容性数据中获益,让我们的线上项目更加稳定、和谐的跑在用户电脑里。不过对于caniuse页面上的一些细节,我们可能会感到困惑或者模棱两可,今天就带着大家一起来重新认识caniuse这个网站,并对它的原理和细节做些探究。