在 做一些天氣預(yù)報(bào)或者RSS訂閱的程序時(shí)，往往需要抓取非本地文件，一般情況下都是利用php模擬瀏覽器的訪問，通過http請(qǐng)求訪問url地址， 然后得到html源代碼或者xml數(shù)據(jù)，得到數(shù)據(jù)我們不能直接輸出，往往需要對(duì)內(nèi)容進(jìn)行提取，然后再進(jìn)行格式化，以更加友好的方式顯現(xiàn)出來。
下面簡(jiǎn)單說一下php抓取頁面的幾種方法及原理:
一、 PHP抓取頁面的主要方法：
1. file()函數(shù)
2. file_get_contents()函數(shù)
3. fopen()->fread()->fclose()模式
4.curl方式
5. fsockopen()函數(shù) socket模式
6. 使用插件(如：http://sourceforge.net/projects/snoopy/)
二、PHP解析html或xml代碼主要方式：
1. file()函數(shù)
復(fù)制代碼 代碼如下:
<?php
$url='http://t.qq.com';
$lines_array=file($url);
$lines_string=implode('',$lines_array);
echo htmlspecialchars($lines_string);
2. file_get_contents()函數(shù)
使用file_get_contents和fopen必須空間開啟allow_url_fopen。方法：編輯php.ini，設(shè)置 allow_url_fopen = On，allow_url_fopen關(guān)閉時(shí)fopen和file_get_contents都不能打開遠(yuǎn)程文件。
復(fù)制代碼 代碼如下:
<?php
$url='http://t.qq.com';
$lines_string=file_get_contents($url);
echo htmlspecialchars($lines_string);
3. fopen()->fread()->fclose()模式
復(fù)制代碼 代碼如下:
<?php
$url='http://t.qq.com';
$handle=fopen($url,"rb");
$lines_string="";
do{
$data=fread($handle,1024);
if(strlen($data)==0) {
break;
}
$lines_string.=$data;
}while(true);
fclose($handle);
echo htmlspecialchars($lines_string);
4. curl方式
使用curl必須空間開啟curl。方法：windows下修改php.ini，將extension=php_curl.dll前面的分號(hào)去掉，而且需 要拷貝ssleay32.dll和libeay32.dll到C:\WINDOWS\system32下；Linux下要安裝curl擴(kuò)展。
復(fù)制代碼 代碼如下:
<?php
$url='http://t.qq.com';
$ch=curl_init();
$timeout=5;
curl_setopt($ch, CURLOPT_URL, $url);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
curl_setopt($ch, CURLOPT_CONNECTTIMEOUT, $timeout);
$lines_string=curl_exec($ch);
curl_close($ch);
echo htmlspecialchars($lines_string);
5. fsockopen()函數(shù) socket模式
socket模式能否正確執(zhí)行，也跟服務(wù)器的設(shè)置有關(guān)系，具體可以通過phpinfo查看服務(wù)器開啟了哪些通信協(xié)議，比如我的本地php socket沒開啟http，只能使用udp測(cè)試一下了。
復(fù)制代碼 代碼如下:
<?php
$fp = fsockopen("udp://127.0.0.1", 13, $errno, $errstr)；
if (!$fp) {
echo "ERROR: $errno - $errstr<br />\n"
} else {
fwrite($fp, "\n")
echo fread($fp, 26)
fclose($fp)
}
6. 插件
網(wǎng)上應(yīng)該有比較多的插件，snoopy插件是在網(wǎng)上搜到的，有興趣的可以研究一下。
