php抓取页面方法汇总

在做一些互联网应用的时候，往往需要抓取网络文件大多数网页文件，一般情况下都是利用php模拟浏览器的访问，通过http请求访问url地址，然后得到html源代码或者其它格式的数据，然后对这些数据进行处理格式化，按照我们事先约定好的方式输出到终端或其它接口。

一、 PHP抓取页面的主要方法： 

1. file()函数 

2. file_get_contents()函数 

3. fopen()->fread()->fclose()模式 

4.curl方式 

5. fsockopen()函数 socket模式 

6. 使用插件(如：http://sourceforge.net/projects/snoopy/) 

二、PHP解析html或xml代码主要方式： 

1. 正则表达式 

2. PHP DOMDocument对象 

3. 插件(如：PHP Simple HTML DOM Parser) 

如果你对以上内容已经很了解，以下内容可以飘过...... 

PHP抓取页面 

1. file()函数 

代码如下:

<?php     $url='http://t.qq.com';     $lines_array=file($url);     $lines_string=implode('',$lines_array);     echo htmlspecialchars($lines_string);     ?> 

2. file_get_contents()函数 

使用file_get_contents和fopen必须空间开启allow_url_fopen。方法：编辑php.ini，设置 allow_url_fopen = On，allow_url_fopen关闭时fopen和file_get_contents都不能打开远程文件。 

代码如下:

<?php     $url='http://t.qq.com';     $lines_string=file_get_contents($url);     echo htmlspecialchars($lines_string);     ?> 

3. fopen()->fread()->fclose()模式 

代码如下:

<?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必须空间开启curl。方法：windows下修改php.ini，将extension=php_curl.dll前面的分号去掉，而且需要拷贝ssleay32.dll和libeay32.dll到C:\WINDOWS\system32下；Linux下要安装curl扩展。 

代码如下:

<?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()函数 socket模式 

socket模式能否正确执行，也跟服务器的设置有关系，具体可以通过phpinfo查看服务器开启了哪些通信协议，比如我的本地php socket没开启http，只能使用udp测试一下了。 

 代码如下:

<?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 

网上应该有比较多的插件，snoopy插件是在网上搜到的，有兴趣的可以研究一下。 

PHP解析xml(html) 

1. 正则表达式： 

代码如下:

<?php     $url='http://t.qq.com';     $lines_string=file_get_contents($url);     eregi('<title>(.*)</title>',$lines_string,$title);     echo htmlspecialchars($title[0]);     ?> 

2. PHP DOMDocument()对象 

如果远程的html或xml存在语法错误，php在解析dom的时候会报错。 

代码如下:

<?php     $url='http://www.136web.cn';     $html=new DOMDocument();     $html->loadHTMLFile($url);     $title=$html->getElementsByTagName('title');     echo $title->item(0)->nodeValue;     ?> 

3. 插件 

本文以PHP Simple HTML DOM Parser为例，进行简单介绍，simple_html_dom的语法类似jQuery，它让php操作dom，就像使用jQuery操作dom一样的简单。 

代码如下:

<?php     $url='http://t.qq.com';     include_once('../simplehtmldom/simple_html_dom.php');     $html=file_get_html($url);     $title=$html->find('title');     echo $title[0]->plaintext;   ?>