《PHP实战：php curl抓取网页的介绍和推广及使用CURL抓取淘宝页面集成方法》要点：
本文介绍了PHP实战：php curl抓取网页的介绍和推广及使用CURL抓取淘宝页面集成方法，希望对您有用。如果有疑问，可以联系我们。
php的curl可以用来实现抓取网页,分析网页数据用, 简洁易用, 这里介绍其函数等就不详细描述, 放上代码看看:PHP实战
只保存了其中几个主要的函数. 实现模拟登陆, 其中可能涉及到session捕获, 然后前后页面涉及参数提供形式.PHP实战
libcurl主要功能就是用不同的协议连接和沟通不同的服务器~也就是相当封装了的sockPHP实战
PHP 支持libcurl(允许你用不同的协议连接和沟通不同的服务器)., libcurl当前支持http, https, ftp, gopher, telnet, dict, file, 和ldap 协议.libcurl同样支持HTTPS证书授权,HTTP POST, HTTP PUT, FTP 上传(当然你也可以使用PHP的ftp扩展), HTTP基本表单上传,代理,cookies,和用户认证.PHP实战
为了使用CURL函数你必要安装CURL包.PHP 必要你使用CURL 7.0.2-beta或更高版.如果CURL的版本低于7.0.2-beta,PHP将不工作.PHP实战
要使用PHP的CURL支持,你必须用带有--with-curl[=DIR]参数重新编译PHP(DIR是包括库和头文件的目录).PHP实战
这些函数是在PHP 4.0.2中新增得.PHP实战
一旦你编译了带有CURL支持的PHP,你可以使用curl函数.基本思路是：你使用curl_init()函数初始化 CURL会话,而后你可以设置你的所有选项,通过curl_exec()函数执行,最后你可以作用curl_close()函数来结束你的会话.以下是一个例子：是把PHP的主页取回放到一个文件中.PHP实战
例 1. 使用PHP的CURL模块取回PHP主页PHP实战
$ch = curl_init ("http://www.php.net/");
$fp = fopen ("php_homepage.txt", "w");
curl_setopt ($ch, CURLOPT_FILE, $fp);
curl_setopt ($ch, CURLOPT_HEADER, 0);
curl_exec ($ch);
curl_close ($ch);
fclose ($fp);
?>
目录列表PHP实战
curl_init ― 初始化一个CURL会话PHP实战
curl_setopt ― 为CURL调用设置一个选项PHP实战
curl_exec ― 执行一个CURL会话PHP实战
curl_close ― 关闭一个CURL会话PHP实战
curl_version ― 返回当前CURL版本PHP实战
* curl扩展的安装PHP实战
PHP已经内置有php_curl.dll,在ext目录下,此DLL用于支持SSL和zlib.PHP实战
在php.ini中找到有extension=php_curl.dll, 去掉前面的注释.PHP实战
设置extension_dir=你的php的ext目录(例如c:/php/ext)PHP实战
把ext目录下的libeay32.dll, ssleay32.dll, php5ts.dll, php_curl.dll 都拷贝到system32目录下,重启apache即可.PHP实战
curl_initPHP实战
curl_init -- 初始化一个CURL会话PHP实战
描述PHP实战
int curl_init ([string url])
curl_init()函数将初始化一个新的会话,返回一个CURL句柄供curl_setopt(), curl_exec(),和 curl_close() 函数使用.如果可选参数被提供,那么CURLOPT_URL选项将被设置成这个参数的值.你可以使用curl_setopt()函数人工设置.PHP实战
例 1. 初始化一个新的CURL会话,且取回一个网页PHP实战
$ch = curl_init(); curl_setopt ($ch, CURLOPT_URL, "http://www.zend.com/"); curl_setopt ($ch, CURLOPT_HEADER, 0); curl_exec ($ch); curl_close ($ch); ?>
参见：curl_close(), curl_setopt()PHP实战
* curl_setopt
PHP实战
curl_setopt -- 为CURL调用设置一个选项PHP实战
描述 PHP实战
bool curl_setopt (int ch, string option, mixed value)
curl_setopt()函数将为一个CURL会话设置选项.option参数是你想要的设置,value是这个选项给定的值.PHP实战
下列选项的值将被作为长整形使用(在option参数中指定)：PHP实战
CURLOPT_INFILESIZE: 当你上传一个文件到远程站点,这个选项告诉PHP你上传文件的大小.PHP实战
CURLOPT_VERBOSE: 如果你想CURL申报每一件意外的事情,设置这个选项为一个非零值.PHP实战
CURLOPT_HEADER: 如果你想把一个头包括在输出中,设置这个选项为一个非零值.PHP实战
CURLOPT_NOPROGRESS: 如果你不会PHP为CURL传输显示一个进程条,设置这个选项为一个非零值.PHP实战
注意：PHP自动设置这个选项为非零值,你应该仅仅为了调试的目的来改变这个选项.PHP实战
CURLOPT_NOBODY: 如果你不想在输出中包括body部分,设置这个选项为一个非零值.PHP实战
CURLOPT_FAILONERROR: 如果你想让PHP在发生错误(HTTP代码返回大于等于300)时,不显示,设置这个选项为一人非零值.默认行为是返回一个正常页,忽略代码.PHP实战
CURLOPT_UPLOAD: 如果你想让PHP为上传做准备,设置这个选项为一个非零值.PHP实战
CURLOPT_POST: 如果你想PHP去做一个正规的HTTP POST,设置这个选项为一个非零值.这个POST是普通的 application/x-www-from-urlencoded 类型,多数被HTML表单使用.PHP实战
CURLOPT_FTPLISTONLY: 设置这个选项为非零值,PHP将列出FTP的目录名列表.PHP实战
CURLOPT_FTPAPPEND: 设置这个选项为一个非零值,PHP将应用远程文件代替覆盖它.PHP实战
CURLOPT_NETRC: 设置这个选项为一个非零值,PHP将在你的 ~./netrc 文件中查找你要建立连接的远程站点的用户名及暗码.PHP实战
CURLOPT_FOLLOWLOCATION: 设置这个选项为一个非零值(象 "Location: ")的头,服务器会把它当做HTTP头的一部分发送(注意这是递归的,PHP将发送形如 "Location: "的头).PHP实战
CURLOPT_PUT: 设置这个选项为一个非零值去用HTTP上传一个文件.要上传这个文件必需设置CURLOPT_INFILE和CURLOPT_INFILESIZE选项.PHP实战
CURLOPT_MUTE: 设置这个选项为一个非零值,PHP对于CURL函数将完全沉默.PHP实战
CURLOPT_TIMEOUT: 设置一个长整形数,作为最大延续多少秒.PHP实战
CURLOPT_LOW_SPEED_LIMIT: 设置一个长整形数,控制传送多少字节.PHP实战
CURLOPT_LOW_SPEED_TIME: 设置一个长整形数,控制多少秒传送CURLOPT_LOW_SPEED_LIMIT规定的字节数.PHP实战
CURLOPT_RESUME_FROM: 传递一个包括字节偏移地址的长整形参数,(你想转移到的开始表单).PHP实战
CURLOPT_SSLVERSION: 传递一个包含SSL版本的长参数.默认PHP将被它自己努力的确定,在更多的平安中你必须手工设置.PHP实战
CURLOPT_TIMECONDITION: 传递一个长参数,指定怎么处理CURLOPT_TIMEVALUE参数.你可以设置这个参数为TIMECOND_IFMODSINCE 或 TIMECOND_ISUNMODSINCE.这仅用于HTTP.PHP实战
CURLOPT_TIMEVALUE: 传递一个从1970-1-1开始到现在的秒数.这个时间将被CURLOPT_TIMEVALUE选项作为指定值使用,或被默认TIMECOND_IFMODSINCE使用.PHP实战
下列选项的值将被作为字符串：PHP实战
CURLOPT_URL: 这是你想用PHP取回的URL地址.你也可以在用curl_init()函数初始化时设置这个选项.PHP实战
CURLOPT_USERPWD: 传递一个形如[username]:[password]风格的字符串,作用PHP去连接.PHP实战
CURLOPT_PROXYUSERPWD: 传递一个形如[username]:[password] 格式的字符串去连接HTTP代理.PHP实战
CURLOPT_RANGE: 传递一个你想指定的范围.它应该是"X-Y"格式,X或Y是被除外的.HTTP传送同样支持几个间隔,用逗句来分隔(X-Y,N-M).PHP实战
CURLOPT_POSTFIELDS: 传递一个作为HTTP “POST”操作的所有数据的字符串.PHP实战
CURLOPT_REFERER: 在HTTP哀求中包含一个"referer"头的字符串.PHP实战
CURLOPT_USERAGENT: 在HTTP哀求中包含一个"user-agent"头的字符串.PHP实战
CURLOPT_FTPPORT: 传递一个包括被ftp "POST"指令使用的IP地址.这个POST指令告诉远程服务器去连接我们指定的IP地址. 这个字符串可以是一个IP地址,一个主机名,一个网络界面名(在UNIX下),或是'-'(使用系统默认IP地址).PHP实战
CURLOPT_COOKIE: 传递一个包括HTTP cookie的头连接.PHP实战
CURLOPT_SSLCERT: 传递一个包括PEM格式证书的字符串.PHP实战
CURLOPT_SSLCERTPASSWD: 传递一个包含使用CURLOPT_SSLCERT证书必需的暗码.PHP实战
CURLOPT_COOKIEFILE: 传递一个包括cookie数据的文件的名字的字符串.这个cookie文件可以是Netscape格式,或是堆存在文件中的HTTP风格的头.PHP实战
CURLOPT_CUSTOMREQUEST: 当进行HTTP哀求时,传递一个字符被GET或HEAD使用.为进行DELETE或其它操作是有益的,更Pass a string to be used instead of GET or HEAD when doing an HTTP request. This is useful for doing or another, more obscure, HTTP request.PHP实战
注意: 在确认你的服务器支持命令先不要去这样做.PHP实战
下列的选项要求一个文件描述(通过使用fopen()函数获得)：PHP实战
CURLOPT_FILE: 这个文件将是你放置传送的输出文件,默认是STDOUT.PHP实战
CURLOPT_INFILE: 这个文件是你传送过来的输入文件.PHP实战
CURLOPT_WRITEHEADER: 这个文件写有你输出的头部分.PHP实战
CURLOPT_STDERR: 这个文件写有错误而不是stderr.PHP实战
* curl_execPHP实战
curl_exec -- 执行一个CURL会话PHP实战
描述PHP实战
bool curl_exec (int ch)PHP实战
在你初始化一个CURL会话,及为这个会话设置了所有的选项后,这个函数将被调用.它的目的仅仅是执行预先确定的CURL会话(通过给定的ch参数).PHP实战
* curl_closePHP实战
curl_close -- 关闭一个CURL会话PHP实战
描述PHP实战
void curl_close (int ch)PHP实战
这个函数关闭一个CURL会话,并且释放所有的资源.CURL句柄(ch参数)也被删除.PHP实战
* curl_versionPHP实战
curl_version -- 返回当前CURL版本PHP实战
描述PHP实战
string curl_version (void)PHP实战
curl_version()函数返回一个包括CURL版本的字符串.PHP实战
<?php
class MultiHttpRequest{
public $urls = array();
public $curlopt_header = 0;
public $cookie_file = '';
public $collect_save_file = '';
public $start_timestamp = '';
public $end_timestamp = '';
private $log_handle = '';
private $collect_save_handle = '';
private $db_conn = false;
private $pre_break_goods_id = ''; //上一次强制退出的id
private $per_break_brand_id = ''; //上一次更新到的brand_id
private $main_log_id = ''; //本次更新的主表日志id
private $start_time = '';
public $login_session = '';
public $date_char = '';
private $mode = '';
private $sql_log_handle = '';
function __construct($upgrade_date='', $force_upt=false)
{
$this->mysql_init();
}
private function mysql_init(){
$db_name = 'dbname';
$db_user = 'name';
$db_pass = 'pass';
$db_host = 'localhost';
$db_conn = mysql_connect($db_host, $db_user, $db_pass) ;
if(!$db_conn){
echo '数据库连接失败!';
exit;
}
$this->db_conn = $db_conn;
mysql_select_db($db_name);
}
public function init_login(){
//第一步模拟登陆
$target_url = 'http://www.test.com/login.jsp';
//post 提交的数据
$post_fields = array(
'username' => '卓雅秀淘宝',
'password' => 'joarshow.taobao.com',
't_url' => '',
'Submit2' => ' 登 录 '
);
//保存登陆的cookie
$cookie_file = dirname(__FILE__).'/cookie_'.time().'.txt';
$this->cookie_file = $cookie_file;
//存cookie
$ch = curl_init($target_url);
curl_setopt($ch, CURLOPT_HEADER, 1);
// curl_setopt($ch, CURLOPT_COOKIESESSION, 1);
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);
$login_contents = curl_exec($ch);
curl_close($ch);
}
/**
* 测试
*
* @param unknown_type $test_url
*/
public function get_one_file($test_url){
$ch = curl_init($test_url);
curl_setopt($ch, CURLOPT_HEADER, 0);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
curl_setopt($ch,CURLOPT_COOKIE, $this->login_session);
curl_setopt($ch, CURLOPT_REFERER, 'http://www.test.com/welcome.shtml');
curl_setopt($ch, CURLOPT_USERAGENT, 'Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.2; SV1; .NET CLR 1.1.4322; .NET CLR 2.0.50727; .NET CLR 3.0.4506.2152; .NET CLR 3.5.30729)');
$contents = curl_exec($ch);
curl_close($ch);
return $contents;
}
public function point_url_brand($url){
$ch = curl_init($url);
curl_setopt($ch, CURLOPT_HEADER, 0);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
curl_setopt($ch,CURLOPT_COOKIE, $this->login_session);
curl_setopt($ch, CURLOPT_REFERER, 'http://www.test.com/product.shtml');
curl_setopt($ch, CURLOPT_USERAGENT, 'Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.2; SV1; .NET CLR 1.1.4322; .NET CLR 2.0.50727; .NET CLR 3.0.4506.2152; .NET CLR 3.5.30729)');
$contents = curl_exec($ch);
// echo htmlspecialchars($contents);exit;
curl_close($ch);
return $contents;
}
}
使用CURL抓取淘宝页面集成办法PHP实战
代码如下：PHP实战
/**
* 根据地址抓取淘宝页面html代码
* @param type $url 地址
* @return boolean
*/
public function getTaoBaoHtml($url) {
if (empty($url)) {
return false;
}
$ch = curl_init();
// 设置 url
curl_setopt($ch, CURLOPT_URL, $url);
// 设置浏览器的特定header
curl_setopt($ch, CURLOPT_HTTPHEADER, array(
"User-Agent: {Mozilla/5.0 (Windows NT 6.1; WOW64; rv:26.0) Gecko/20100101 Firefox/26.0}",
"Accept: {text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8}",
"Accept-Language: {zh-cn,zh;q=0.8,en-us;q=0.5,en;q=0.3}",
"Cookie:{cq=ccp%3D1; cna=a7suCzOmSTECAXgg9iCf4AtX; t=671b2069c7e8ac444da66d664a397a5f; tracknick=%5Cu4F0D%5Cu6653%5Cu8F8901;
_tb_token_=nDiU1vCuzFd0; cookie2=c54709ffbe04a5ccb80283c34d6b00fa;
pnm_cku822=128WsMPac%2FFS4KgNn%2BYfhzduo4U2NC0zh9cAS4%3D%
7CWUCLjKhqr873bOIFQcMecSw%3D%7CWMEKRlV%
2B3D9a6XWaidNWNQOSWXwaXugvQHzhxALh%7CX0
YLbX78NUR2b2DHoxnIqZENQqR35TBZbfQ5vooI0b6GHZA3U1kr%7CXkdILog
Cr878ZK9I%2B%2FE3QjAD3lFJJaAZRA%3D%3D%7CXUeMwMR2s%
2BTUQk8IPP5TNgWfUjQwonccMCxihTa0fRYgtjgfa4j6%7CXMY
K7F8liOvH3hMUpzXkiaU%2FJw%3D%3D}",
));
// 页面内容我们并不必要
curl_setopt($ch, CURLOPT_NOBODY, 0);
// 只需返回HTTP header
curl_setopt($ch, CURLOPT_HEADER, 0);
// 返回结果,而不是输出它
//curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
curl_setopt($ch, CURLOPT_FOLLOWLOCATION, 1);
ob_start();
curl_exec($ch);
$html = ob_get_contents();
ob_end_clean();
curl_close($ch);
return $html;
}
维易PHP培训学院每天发布《PHP实战：php curl抓取网页的介绍和推广及使用CURL抓取淘宝页面集成方法》等实战技能，PHP、MYSQL、LINUX、APP、JS,CSS全面培养人才。
转载请注明本页网址：
http://www.vephp.com/jiaocheng/8342.html
