<?php /*------------------------ 根据给出地址,获取网页及页面内的js,css文件按原文件名保存到本地 -------------------------*/$url = 'http://www.zzzzz.com/html_13.html';//页面路径$dir = APP_PATH.'save-xiaohaopin/';//保存数据的文件夹路径,因框架不同而定APP_PATH//路径不存在则创建if(!is_dir($dir)){mkdir($dir);}$ch = curl_init(); curl_setopt ($ch, CURLOPT_URL, $url); curl_setopt ($ch, CURLOPT_RETURNTRANSFER, 1); curl_setopt ($ch, CURLOPT_CONNECTTIMEOUT,10); $html = curl_exec($ch);//html保存$hpath = @fopen($dir.'html_13.html','wb');fwrite($hpath,$html);fclose($hpath);//正则表达式$pre = '/"([^"]*\.(js|css)[^"]*)"/i';//js&css$urlarr = array();preg_match_all($pre,$html,$urlarr);$urlarr = $urlarr[1];//url处理&&根据url获取结果不同而自定义处理//./templates/js/gongjutiao.js&&&&&./templates/css/gongjutiao.css$mainurl = 'http://www.zzzzz.com/';//just save itforeach($urlarr as $k => $u){$surl = str_replace('./','',$u);$dourl = $mainurl.$surl;$fileName = substr($u,strrpos($u,'/')+1);$savePath = $dir.$fileName;$con = file_get_contents($dourl);$fop = @fopen($savePath,'wb');fwrite($fop,$con);fclose($fop); } exit('Obtain all');/*----------------end ---------------------*//*------------------------ 获取某个网站过多数据或者抓取过快等因素,都会经常导致IP被封的风险,但我们可以自己利用PHP构造IP地址的方式,获取数据。 -------------------------*/$headers['CLIENT-IP'] = $headers['X-FORWARDED-FOR'] = '127.0.0.1'; //些处只是个例,IP可以自己定义$headerArr = array();foreach( $headers as $n => $m ) {$headerArr[] = $n .':' . $m;}//$refer = $_SERVER["HTTP_REFERER"]; $ch = curl_init();curl_setopt ($ch, CURLOPT_URL, $url);curl_setopt ($ch, CURLOPT_RETURNTRANSFER, 1); curl_setopt ($ch, CURLOPT_CONNECTTIMEOUT,10);curl_setopt ($ch, CURLOPT_HTTPHEADER , $headerArr); //构造IP$html = curl_exec($ch);curl_close($ch);//下面就可以写自己抓取数据的正则表达式$reg = '/.*/';//正则匹配后放到相应的数组里面$arr= array();preg_match($reg,$html,$arr);//可以做数据处理,例:$val = $arr[1];//数据组装$data = array('val' =>$val,); //var_dump($data);exit;//数据添加到数据库,下面是ThinkPHP框架用法M('WeaponAttr')->add($data);//如果有封IP风险,可以调节抓取的速度或者做一些其它的优化sleep(5);echo 'ok';exit; /*----------------end ---------------------*//*------------------------ 在获取某网站的数据的过程中,往往网页会通过网页点击传送js参数,利用ajax去获取数据,形成无刷新页面,在翻页的过程当中有些网站在第一次获取回来的信息之后,就在当前页面保存一个cookie,然后分页面就可以根据cookie的值去获取下一页,而且用同一种分页方式表现:例如:show_1.html,第二页就是show_2.html以此类推,。不管你访问的是哪一个分类,或者其它的一些栏目。它们获取回来的列表分页页面都是以这种形式去表现的,如果删除了cookie页面就会变为空。没有数据。 -------------------------*/function getdata(){ define( "COOKIEJAR", tempnam( ini_get( "upload_tmp_dir" ), "cookie" ) );$url = 'http://';$ch = curl_init();curl_setopt ($ch, CURLOPT_URL, $url);curl_setopt ($ch, CURLOPT_RETURNTRANSFER, 1); curl_setopt ($ch, CURLOPT_CONNECTTIMEOUT,10); curl_setopt ($ch, CURLOPT_COOKIEJAR, COOKIEJAR);//连接结束后保存cookie信息的文件。 $html = curl_exec($ch);curl_close($ch);//$html是第一次传参数的时候获取回来的数据,用get函数来对获取回来的数据处理 $this->get($html);//class="page">4</li>//获取分页的信息$parr = array();$page = '/class="page">(\d+)</';preg_match_all($page,$html,$parr);if(!empty($parr[1])){$cnum = array_pop($parr[1]);for($i = 2;$i <= $cnum;$i++){$n = $this->jdoit($i);//根据coodie去获取下一页的内容回来$this->get($n);//内容处理 }}echo 'okk';}function jdoit($num){$url = 'http://www.xxxx.com/fenye-'.$num.'.html';$ch = curl_init(); curl_setopt ($ch, CURLOPT_URL, $url); curl_setopt ($ch, CURLOPT_RETURNTRANSFER, 1); curl_setopt ($ch, CURLOPT_CONNECTTIMEOUT,10); curl_setopt ($ch, CURLOPT_COOKIEJAR, COOKIEJAR);//包含cookie数据的文件名,cookie文件的格式可以是Netscape格式,或者只是纯HTTP头部信息存入文件。 curl_setopt ($ch, CURLOPT_COOKIEFILE, COOKIEJAR);$html = curl_exec($ch);curl_close($ch);return $html;}function get($html){//正则表达式$reg = '/<dd[^>]*>([\s\S]*?)<\/dd>/';/*获取回来的内容可以在此处理*/}/*----------------end ---------------------*//*------------------------ 根据地址,把图片保存到本地 -------------------------*/$pic_url = 'http://www.picture.com/';$path = 'D:\picdir';//保存路径 if(!is_dir($path)){mkdir($path,0777);}$filename = $path.'name';ob_start(); readfile($pic_url);$img = ob_get_contents();ob_end_clean();//$size = strlen($img);$fp2=@fopen($filename, "a");fwrite($fp2,$img);fclose($fp2); /*----------------end ---------------------*/ ?>
/*===========================*///$proxy_host->代理服务器地址,,$proxy_port->端口//通过代理获取网页内容function proxy_get_content($proxy_host,$proxy_port,$proxy_user,$proxy_password,$url){$ch = curl_init(); curl_setopt($ch, CURLOPT_PROXY,"$proxy_host:$proxy_port"); curl_setopt($ch, CURLOPT_PROXYUSERPWD, "$proxy_user:$proxy_password");curl_setopt($ch, CURLOPT_URL,$url);curl_setopt($ch, CURLOPT_RETURNTRANSFER, TRUE); curl_setopt($ch, CURLOPT_HEADER,0); $bcon = curl_exec($ch); echo curl_error($ch); curl_close($ch); return $bcon;}