PHP使用CURL抓取网页
CURL是一个非常强大的开源库,支持很多协议,包括HTTP、FTP、TELNET等,我们使用它来发送HTTP请求。它给我 们带来的好处是可以通过灵活的选项设置不同的HTTP协议参数,并且支持HTTPS。CURL可以根据URL前缀是“HTTP” 还是“HTTPS”自动选择是否加密发送内容。
使用CURL的PHP扩展完成一个HTTP请求的发送一般有以下几个步骤:
- 初始化连接句柄;
- 设置CURL选项;
- 执行并获取结果;
- 释放CURL连接句柄。
一、使用curl模拟GET请求
$curl=curl_init(); //初始化curl句柄
$url="http://www.conglinfeng.com/together/detail.php?show_ID=5"; //要请求的url地址
curl_setopt($curl, CURLOPT_URL,$url); //设置curl的参数,即要请求的url是$url
curl_exec($curl); //执行操作
curl_close($curl); //关闭句柄
执行curl_exec()时,成功时会输出网页代码,并且返回值为 TRUE,在失败时返回 FALSE。 然而,如果 CURLOPT_RETURNTRANSFER选
项被设置,函数执行成功时会返回执行的结果,失败时返回 FALSE 。
二、使用curl模拟post请求
$curl=curl_init();
$url="./register.php";
curl_setopt($curl, CURLOPT_URL,$url);
curl_setopt($curl, CURLOPT_POST, true); //设置请求为post
$post_data=array('username'=>"嘿嘿",'password'=>'111111','confirm'=>'111111','email'=>"986992484@qq.com"); //要发送的数据组装成一个数组
curl_setopt($curl, CURLOPT_POSTFIELDS, $post_data); //post的数据内容
curl_exec($curl);
curl_close($curl);
register.php:
var_dump($_POST);
三、处理响应的数据
curl_exec()执行时会直接把响应数据输出,如果不需要直接输出,可以加:curl_setopt($curl, CURLOPT_RETURNTRANSFER, true) ;
$url="./register.php";
curl_setopt($curl, CURLOPT_URL,$url);
curl_setopt($curl, CURLOPT_POST, true); //设置请求为post
$post_data=array('username'=>"嘿嘿",'password'=>'111111','confirm'=>'111111','email'=>"986992484@qq.com");
curl_setopt($curl, CURLOPT_POSTFIELDS, $post_data); //post的数据内容
curl_setopt($curl, CURLOPT_RETURNTRANSFER, true) ; //请求执行时,不将响应数据直接输出,而是以返回值的形式输出响应数据
$res=curl_exec($curl);
echo $res; //少了这句就输不出来了
curl_close($curl);
四、模拟post 文件上传
$url="./register.php";
curl_setopt($curl, CURLOPT_URL,$url);
curl_setopt($curl, CURLOPT_POST, true); //设置请求为post
$post_data=array('logo'=>'@D:\wamp\wamp\www\czbk\php&mysql\1.png'); // logo是$_FILES的name,后面的是图片路径,加@表示这是一个文件而不是字符串
curl_setopt($curl, CURLOPT_POSTFIELDS, $post_data); //post的数据内容
curl_setopt($curl, CURLOPT_RETURNTRANSFER, true) ; //请求执行时,不将响应数据直接输出,而是以返回值的形式输出响应数据
$res=curl_exec($curl);
echo $res;
curl_close($curl);
五、输出响应头
curl默认是不输出响应头的,如果要输出,则要加:curl_setopt($curl, CURLOPT_HEADER, true);
$url="http://www.conglinfeng.com/together/member/index.php";
curl_setopt($curl, CURLOPT_URL,$url);
curl_setopt($curl, CURLOPT_HEADER, true); //将响应头输出,默认是不输出的
// HTTP/1.1 200 OK Date: Thu, 15 Sep 2016 14:49:28 GMT Server: Apache/2.4.4 (Win32) PHP/5.4.16 X-Powered-By: PHP/5.4.16 Content-Length: 692 Content-Type: text/html
curl_exec($curl);
curl_close($curl);
六、实例:CURL模拟登陆
可以简单和有效地抓取网页并采集内容,设置cookie完成模拟登录网页,curl提供了丰富的函数,开发者可以从PHP手册中获取更多关于cURL信息。本文以模拟登录开源中国(oschina)为例,和大家分享cURL的使用。
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。
先来看登录部分的代码:
//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。
//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。
//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 $str;
七、封装CURL
为了便于日后调用,我们可以把这些操作封装起来。
1.模拟get或post请求
/*** curl() curl模拟请求---一个参数是get请求,两个参数是post请求** 上传文件$post=array('logo'=>'@D:\wamp\wamp\www\czbk\php&mysql\1.png'); * logo是$_FILES的name,后面的是图片路径,加@表示这是一个文件而不是字符串** @param string $url 模拟请求的url* @param array $post post请求时要提交的数据* @param boolean $header 是否要将响应头输出* @return string $str 返回响应结果*/
function curl($url,$post=array(),$header=false){if(!$url) return;//设置资源句柄$curl=curl_init();curl_setopt($curl, CURLOPT_URL,$url);//如果传$post,则说明是post请求if($post && is_array($post) && count($post)>0){curl_setopt($curl, CURLOPT_POST, 1);curl_setopt($curl, CURLOPT_POSTFIELDS, $post);curl_setopt($curl, CURLOPT_SSL_VERIFYPEER, false); //不验证证书curl_setopt($curl, CURLOPT_SSL_VERIFYHOST, false); //不验证证书}//请求执行时,不将响应数据直接输出,而是以返回值的形式输出响应数据curl_setopt($curl, CURLOPT_RETURNTRANSFER, true); //决定要不要将响应头输出curl_setopt($curl, CURLOPT_HEADER,$header); $str=curl_exec($curl); //IGNORE 忽略转换时的错误,如果没有ignore参数,所有该字符后面的字符串都无法被保存。$str = iconv("UTF-8","GBK//IGNORE",$str);curl_close($curl);return $str;
}
2.模拟登陆
/*** curl_login() curl模拟登陆** @param string $logUrl 登陆地址url* @param string $desUrl 要访问页面的url* @param array $post 要提交的数据* @param string $cookie='' 存储cookie的文件路径* @return string $str 返回响应结果*/
function curl_login($logUrl,$desUrl,$post,$cookie=''){/********模拟登陆**********///初始化curl模块 $curl = curl_init();//登录提交的地址 curl_setopt($curl, CURLOPT_URL,$logUrl);//是否显示头信息curl_setopt($curl, CURLOPT_HEADER, 0); //是否自动显示返回的信息 curl_setopt($curl, CURLOPT_RETURNTRANSFER, 0);//设置Cookie信息保存在指定的文件中 if(!$cookie) $cookie=dirname(__FILE__) . '/cookie.txt';if(!file_exists($cookie))}{$fp=fopen($cookie, 'w'); fclose($fp);}curl_setopt($curl, CURLOPT_COOKIEJAR, $cookie); //post方式提交 curl_setopt($curl, CURLOPT_POST, 1);//提交信息,http_build_query()可以将数组转换成相连接的字符串。curl_setopt($curl, CURLOPT_POSTFIELDS, http_build_query($post)); //执行cURL并关闭cURL资源,并且释放系统资源 curl_exec($curl);curl_close($curl);/********登陆后获取数据**********/$ch = curl_init(); curl_setopt($ch, CURLOPT_URL, $desUrl); curl_setopt($ch, CURLOPT_HEADER, 0); curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1); //读取cookie curl_setopt($ch, CURLOPT_COOKIEFILE, $cookie); $rs = curl_exec($ch); //执行cURL抓取页面内容 curl_close($ch); return $rs;
}
也可以把curl的操作封装成一个类 Curl.class.php
<?php/*** CURL操作类,可用于模拟请求* @author leshen <986992484@qq.com>* @version 1.1* usage:* 1.设置选项* $options=array(* 'isReturn'=>true, //将响应结果返回。如果不想获取源码而是想渲染页面,请设置为false* 'isHeader'=>true, //将响应头返回* );* $curl=new Curl($options);* 2.模拟一般的get请求* $curl=new Curl();* $url="https://www.baidu.com";* var_dump($curl->curl_get($url));* 3.模拟需要盗链的get请求(查询四六级为例)* $curl=new Curl();* $url='http://www.chsi.com.cn/cet/query';* $referer="http://www.chsi.com.cn/cet";* $data=array('xm'=>'钟林生','zkzh'=>'360021161218718');* $respn=$curl->curl_get_chain($url,$data,$referer);* var_dump($respn);* 4.模拟post请求(查询四六级为例)* $data=array(* 'name'=>'王勇平',* 'province'=>'江西',* 'school'=>'江西师范大学',* 'type'=>'1'* );* $url='http://cet.zy62.com/query/2';* $curl=new Curl();* var_dump($curl->curl_post($url,$data));*/class Curl{/*** curl资源句柄* @var resource*/private $curl;/*curl选项*/private $isReturn; //是否将响应结果返回private $isHeader; //是否将响应头返回private $timeout; //超时时间private $userAgent; //客户端代理private $verifyPeer; //是否终止cURL从服务端进行验证private $verifyHost; //检查服务器SSL证书中是否存在一个公用名/*** 构造方法,用于实例化一个curl对象*/public function __construct($options=array()){/*初始化资源句柄*/$this->curl=curl_init();/*初始化curl选项*/$this->isReturn=isset($options['isReturn'])?$options['isReturn']:ture;$this->isHeader=isset($options['isHeader'])?$options['isHeader']:false;$this->timeout=isset($options['timeout'])?$options['timeout']:30;$this->userAgent=isset($options['userAgent'])?$options['timeout']:isset($_SERVER['HTTP_USER_AGENT'])?$_SERVER['HTTP_USER_AGENT']: 'Mozilla/5.0 (Windows NT 6.1; WOW64; rv:38.0) Gecko/20100101 Firefox/38.0 FirePHP/0.7.4';$this->verifyPeer=isset($options['verifyPeer'])?$options['verifyPeer']:false;$this->verifyHost=isset($options['verifyHost'])?$options['verifyHost']:2;} /*** 设置curl选项* @param string $url 请求的url* @param boolean $ssl 是否以https协议传输* @return void */ private function setOption($url,$ssl){/*设置curl选项*/curl_setopt($this->curl, CURLOPT_URL, $url);//URLcurl_setopt($this->curl, CURLOPT_USERAGENT, $this->userAgent);//userAgent,请求代理信息curl_setopt($this->curl, CURLOPT_TIMEOUT, $this->timeout);//设置超时时间/*SSL相关*/if ($ssl) {curl_setopt($this->curl, CURLOPT_SSL_VERIFYPEER,$this->verifyPeer);//禁用后cURL将终止从服务端进行验证curl_setopt($this->curl, CURLOPT_SSL_VERIFYHOST,$this->verifyHost);//检查服务器SSL证书中是否存在一个公用名(common name)。}/*响应结果*/curl_setopt($this->curl, CURLOPT_HEADER, $this->isHeader);//是否返回响应头curl_setopt($this->curl, CURLOPT_RETURNTRANSFER, $this->isReturn);//curl_exec()是否返回响应结果}/*** 执行curl请求* @return string 返回响应内容*/ private function exec(){/*发出请求*/$response = curl_exec($this->curl);if (false === $response) {echo '<br>', curl_error($this->curl), '<br>';return false;}curl_close($this->curl);return $response;}/*** curl模拟post请求,返回响应的内容* @param string $url 请求的url* @param array $data 发送的数据,数组* @param boolean $ssl 是否以https协议传输,默认为true* @return string $response 返回响应的内容*/ public function curl_post($url, $data, $ssl=true) {/*设置选项*/$this->setOption($url,$ssl);/*处理post相关选项*/curl_setopt($this->curl, CURLOPT_POST, true);// 是否为POST请求curl_setopt($this->curl, CURLOPT_POSTFIELDS, $data);// 设置post的内容/*执行curl请求*/if($this->isReturn){return $this->exec();}$this->exec();}/*** curl模拟一般的get请求,返回响应的内容* @param string $url 请求的url,可以带查询参数* @param boolean $ssl 是否以https协议传输,默认为true* @return string $response 返回响应的内容*/ public function curl_get($url,$ssl=true) {/*设置选项*/$this->setOption($url,$ssl);/*执行curl请求*/if($this->isReturn){return $this->exec();}$this->exec();} /*** curl模拟需要盗链的get请求,返回响应的内容* @param string $url 请求的url* @param array $data 查询参数,数组形式,方法内会自动转换为字符串形式* @param string $referer 盗链的url* @param boolean $ssl 是否以https协议传输,默认为true* @return string $response 返回响应的内容*/ public function curl_get_chain($url,$data,$referer,$ssl=true){/*设置选项*/$this->setOption($url,$ssl);$param='';foreach ($data as $k => $v) {$param.= urlencode($k).'='.urlencode($v).'&';}/*设置查询参数*/curl_setopt($this->curl, CURLOPT_POST, 0);curl_setopt($this->curl, CURLOPT_POSTFIELDS, $param);/*设置referer盗链*/curl_setopt($this->curl, CURLOPT_REFERER, $referer);/*执行curl请求*/if($this->isReturn){return $this->exec();}$this->exec();}
}
PHP使用CURL抓取网页相关推荐
- php使用curl抓取网页自动跳转问题处理
问题分析: 请求抓取http://go.com数据: function curlGet($url) {$ch = curl_init();curl_setopt($ch, CURLOPT_URL, $ ...
- php curl抓去网页名单,PHP CURL抓取网页 simple_html_dom类
$ch=curl_init();$timeout = 1;//echo CURLOPT_URL; // CURLOPT_URL: 这是你想用PHP取回的URL地址.你也可以在用curl_init()函 ...
- php curl 下载网页,php 通过cURL函数抓取网页、下载网页的简单示例
这篇文章主要为大家详细介绍了php 通过cURL函数抓取网页.下载网页的简单示例,具有一定的参考价值,可以用来参考一下. php通过cURL函数抓取和下载网页,感兴趣的小伙伴,下面一起跟随512笔记的 ...
- php curl_setopt抓取内容,PHP的CURL方法curl_setopt()函数案例介绍(抓取网页,POST数据)
通过curl_setopt()函数可以方便快捷的抓取网页(采集很方便),curl_setopt 是php的一个扩展库 使用条件:需要在php.ini 中配置开启.(PHP 4 >= 4.0.2) ...
- curl抓取页面时遇到重定向的解决方法(转)
用php的curl抓取网页遇到了问题,为阐述方便,将代码简化如下: [php] view plaincopy <?php function curlGet($url) { $ch = curl_ ...
- php正则获取li,用正则表达式抓取网页中的ul 和 li标签中最终的值!
获取你要抓取的页面 const string URL = "http://www.hn3ddf.gov.cn/price/GetList.html?pageno=1"; ...
- php抓取curl下载文件,PHP 利用 Curl 函数实现多线程抓取网页和下载文件
PHP 利用 Curl Functions 可以完成各种传送文件操作,比如模拟浏览器发送GET,POST请求等等,然而因为php语言本身不支持多线程,所以开发爬虫程序效率并不高,因此经常需要借助Cur ...
- 用curl+PHP抓取网页上所需要的数据
最近使用后台的时候老是发现有些信息没法导出,又不想一个个复制很麻烦,想起以前做的一个小功能,用来抓取网页上的可用数据填充自己的数据库,由于网站需要登录才能访问,所以加上了curl的模拟登录 <? ...
- php curl与正则表达式抓取网页数据的例子
php使用curl和 正则表达式抓取网页数据示例,这里是抓取某网站的小说. 利用 curl和正则表达式做的一个针对磨铁中文网非vip章节的小说抓取器,支持输入小说ID下载小说. 依赖项:curl 可以 ...
最新文章
- Kubernetes 架构(下)【转】
- 【NIO】缓存区buffer
- 修改value_Java 反射修改String引发的思考?
- Lesson 016 —— python 元组
- 去分库分表的亿级数据NewSQL实践之旅
- Winform中设置ZedGraph曲线图的字体样式是避免出现边框
- Echarts地图初体验
- mysql InnoDB 聚集索引,二级索引
- CF-778 C.Peterson Polyglot (Trie合并)
- T-sql检测文件夹是否存在
- 蓝桥杯第八届省赛JAVA真题----分巧克力
- 【程序人生】Web前端工程师岗位分析报告
- SPSS实现单样本t检验
- 360浏览器是ie浏览器吗?有什么区别
- matlab 二值图像连通区域标记法,一种二值图像连通区域标记的简单快速算法_葛春平...
- sendto()_Linux C函数
- html页面中引入script标签的src的写法,/与//的区别
- iOS项目中用到的一些第三方库
- rabbit安装教程
- 力扣121、122、309、714(C语言版)动态规划股票问题