PHP的curl()在抓取网页的效率方面是比较高的,而且支持多线程,而file_get_contents()效率就要稍低些,当然,使用curl时需要开启下curl扩展。
代码实战
先来看登录部分的代码:
1
2
3
4
5
6
7
8
9
10
11
12
|
//模拟登录 function login_post( $url , $cookie , $post ) { $curl = curl_init(); //初始化curl模块 curl_setopt( $curl , CURLOPT_URL, $url ); //登录提交的地址 curl_setopt( $curl , CURLOPT_HEADER, 0); //是否显示头信息 curl_setopt( $curl , CURLOPT_RETURNTRANSFER, 0); //是否自动显示返回的信息 curl_setopt( $curl , CURLOPT_COOKIEJAR, $cookie ); //设置Cookie信息保存在指定的文件中 curl_setopt( $curl , CURLOPT_POST, 1); //post方式提交 curl_setopt( $curl , CURLOPT_POSTFIELDS, http_build_query( $post )); //要提交的信息 curl_exec( $curl ); //执行cURL curl_close( $curl ); //关闭cURL资源,并且释放系统资源 } |
函数login_post()首先初始化curl_init(),然后使用curl_setopt()设置相关选项信息,包括要提交的url地址,保存的cookie文件,post的数据(用户名和密码等信息),是否返回信息等等,然后curl_exec执行curl,最后curl_close()释放资源。注意PHP自带的http_build_query()可以将数组转换成相连接的字符串。
接下来如果登录成功后,我们要获取登录成功后的页面信息。
1
2
3
4
5
6
7
8
9
10
11
|
//登录成功后获取数据 function get_content( $url , $cookie ) { $ch = curl_init(); curl_setopt( $ch , CURLOPT_URL, $url ); curl_setopt( $ch , CURLOPT_HEADER, 0); curl_setopt( $ch , CURLOPT_RETURNTRANSFER, 1); curl_setopt( $ch , CURLOPT_COOKIEFILE, $cookie ); //读取cookie $rs = curl_exec( $ch ); //执行cURL抓取页面内容 curl_close( $ch ); return $rs ; } |
函数get_content()中也是先初始化curl,然后设置相关选项,执行curl,释放资源。其中我们设置CURLOPT_RETURNTRANSFER为1即自动返回信息,而CURLOPT_COOKIEFILE可以读取到登录时保存的cookie信息,最后将页面内容返回。
我们的最终目的是要获取到模拟登录后的信息,也就是只有正常登录成功后才能获取的有用信息。接下来我们以登录开源中国的移动版为例,看看如何抓取到登录成功后的信息。
1
2
3
4
5
6
7
8
9
10
11
12
13
|
//设置post的数据 $post = array ( 'email' => 'oschina账户' , 'pwd' => 'oschina密码' , 'goto_page' => '/my' , 'error_page' => '/login' , 'save_login' => '1' , 'submit' => '现在登录' ); //登录地址 $url = "http://m.oschina.net/action/user/login"; //设置cookie保存路径 $cookie = dirname(__FILE__) . '/cookie_oschina.txt'; //登录后要获取信息的地址 $url2 = "http://m.oschina.net/my"; //模拟登录 login_post( $url , $cookie , $post ); //获取登录页的信息 $content = get_content($url2, $cookie); //删除cookie文件 @ unlink( $cookie ); //匹配页面信息 $preg = "/<td class='portrait'>(.*)<\/td>/i"; preg_match_all( $preg , $content , $arr ); $str = $arr [1][0]; //输出内容 echo $str; |
使用总结
1、初始化curl;
2、使用curl_setopt设置目标url,和其他选项;
3、curl_exec,执行curl;
4、执行后,关闭curl;
5、输出数据。
感谢阅读,希望能帮助到大家,谢谢大家对本站的支持!