phpcurl登录跳转PHP收集爬虫之CURL进修

这个时候有人就要发问了：为什么你特么不用file_get_contents?

curl的性能比它好，而且可以完成更多繁芜的操作，不仅仅只是获取页面数据。

下面先分别先容一些常用的函数。

curl_init 初始化一个curl对话curl_setopt 设置curl参数，即传输选项curl_exec 实行要求curl_close 关闭一个curl对话

紧张是上面四个

curl_errno 返回末了一次缺点码,php已经定义了诸多缺点列举编码curl_errror 返回一个保护当前会话最近一次缺点的字符串

下面直接上实例吧，干系阐明都在注释里面

1. 在网络高下载一个网页并把内容中的“百度”更换为“屌丝”之后输出

<?php/ 实例描述：在网络高下载一个网页并把内容中的“百度”更换为“屌丝”之后输出 /$curlobj = curl_init(); // 初始化curl_setopt($curlobj, CURLOPT_URL, \"大众http://www.baidu.com\"大众); // 设置访问网页的URLcurl_setopt($curlobj, CURLOPT_RETURNTRANSFER, true); // 实行之后不直接打印出来$output=curl_exec($curlobj); // 实行curl_close($curlobj); // 关闭cURLecho str_replace(\"大众百度\"大众,\"大众屌丝\公众,$output);?>1234567891011

2. 通过调用WebService查询北京确当前景象

<?php/ 实例描述：通过调用WebService查询北京确当前景象 /$data = 'theCityName=北京';$curlobj = curl_init(); curl_setopt($curlobj, CURLOPT_URL, \公众http://www.webxml.com.cn/WebServices/WeatherWebService.asmx/getWeatherbyCityName\公众); curl_setopt($curlobj, CURLOPT_HEADER, 0); curl_setopt($curlobj, CURLOPT_RETURNTRANSFER, 1); curl_setopt($curlobj, CURLOPT_POST, 1); curl_setopt($curlobj, CURLOPT_POSTFIELDS, $data); curl_setopt($curlobj, CURLOPT_HTTPHEADER, array(\"大众application/x-www-form-urlencoded; charset=utf-8\"大众, \"大众Content-length: \"大众.strlen($data) )); $rtn = curl_exec($curlobj); if(!curl_errno($curlobj)){ // $info = curl_getinfo($curlobj); // print_r($info); echo $rtn; } else { echo 'Curl error: ' . curl_error($curlobj);}curl_close($curlobj);?>123456789101112131415161718192021222324

3. 仿照须要登录的网址并抓取网页的内容

<?php/ 实例描述：仿照须要登录的网址并抓取网页的内容 /$data=array('username' => 'promonkey', 'password' => '1q2w3e', 'remember'=>1);$data='username=zjzhoufy@126.com&password=1q2w3e&remember=1';$curlobj = curl_init(); // 初始化curl_setopt($curlobj, CURLOPT_URL, \"大众http://www.imooc.com/user/login\公众); // 设置访问网页的URLcurl_setopt($curlobj, CURLOPT_RETURNTRANSFER, true); // 实行之后不直接打印出来// Cookie干系设置，这部分设置须要在所有会话开始之前设置date_default_timezone_set('PRC'); // 利用Cookie时，必须先设置时区curl_setopt($curlobj, CURLOPT_COOKIESESSION, TRUE); curl_setopt($curlobj, CURLOPT_HEADER, 0); curl_setopt($curlobj, CURLOPT_FOLLOWLOCATION, 1); // 这样能够让cURL支持页面链接跳转curl_setopt($curlobj, CURLOPT_POST, 1); curl_setopt($curlobj, CURLOPT_POSTFIELDS, $data); curl_setopt($curlobj, CURLOPT_HTTPHEADER, array(\"大众application/x-www-form-urlencoded; charset=utf-8\"大众, \"大众Content-length: \"大众.strlen($data) )); curl_exec($curlobj); // 实行curl_setopt($curlobj, CURLOPT_URL, \公众http://www.imooc.com/space/index\"大众);curl_setopt($curlobj, CURLOPT_POST, 0); curl_setopt($curlobj, CURLOPT_HTTPHEADER, array(\"大众Content-type: text/xml\"大众 )); $output=curl_exec($curlobj); // 实行curl_close($curlobj); // 关闭cURLecho $output;?>1234567891011121314151617181920212223242526272829303132

4. 登录网站的信息抓取并下载个人空间页面 + 自定义实现页面链接跳转抓取

<?php/ 实例描述：登录网站的信息抓取并下载个人空间页面 自定义实现页面链接跳转抓取 /$data='username=demo_peter@126.com&password=123qwe&remember=1';$curlobj = curl_init(); // 初始化curl_setopt($curlobj, CURLOPT_URL, \"大众http://www.imooc.com/user/login\公众); // 设置访问网页的URLcurl_setopt($curlobj, CURLOPT_RETURNTRANSFER, true); // 实行之后不直接打印出来// Cookie干系设置，这部分设置须要在所有会话开始之前设置date_default_timezone_set('PRC'); // 利用Cookie时，必须先设置时区curl_setopt($curlobj, CURLOPT_COOKIESESSION, TRUE); curl_setopt($curlobj, CURLOPT_HEADER, 0); // 注释掉这行，由于这个设置必须关闭安全模式 以及关闭open_basedir，对做事器安全不利//curl_setopt($curlobj, CURLOPT_FOLLOWLOCATION, 1); curl_setopt($curlobj, CURLOPT_POST, 1); curl_setopt($curlobj, CURLOPT_POSTFIELDS, $data); curl_setopt($curlobj, CURLOPT_HTTPHEADER, array(\"大众application/x-www-form-urlencoded; charset=utf-8\"大众, \"大众Content-length: \"大众.strlen($data) )); curl_exec($curlobj); // 实行curl_setopt($curlobj, CURLOPT_URL, \"大众http://www.imooc.com/space/index\"大众);curl_setopt($curlobj, CURLOPT_POST, 0); curl_setopt($curlobj, CURLOPT_HTTPHEADER, array(\公众Content-type: text/xml\"大众 )); $output=curl_redir_exec($curlobj); // 实行curl_close($curlobj); // 关闭cURLecho $output;/ 自定义实现页面链接跳转抓取 /function curl_redir_exec($ch,$debug=\"大众\公众) { static $curl_loops = 0; static $curl_max_loops = 20; if ($curl_loops++ >= $curl_max_loops) { $curl_loops = 0; return FALSE; } curl_setopt($ch, CURLOPT_HEADER, true); // 开启header才能够抓取到重定向到的新URL curl_setopt($ch, CURLOPT_RETURNTRANSFER, true); $data = curl_exec($ch); // 分割返回的内容 $h_len = curl_getinfo($ch, CURLINFO_HEADER_SIZE); $header = substr($data,0,$h_len); $data = substr($data,$h_len - 1); $http_code = curl_getinfo($ch, CURLINFO_HTTP_CODE); if ($http_code == 301 || $http_code == 302) { $matches = array(); preg_match('/Location:(.?)\n/', $header, $matches); $url = @parse_url(trim(array_pop($matches))); // print_r($url); if (!$url) { //couldn't process the url to redirect to $curl_loops = 0; return $data; } $last_url = parse_url(curl_getinfo($ch, CURLINFO_EFFECTIVE_URL)); if (!isset($url['scheme'])) $url['scheme'] = $last_url['scheme']; if (!isset($url['host'])) $url['host'] = $last_url['host']; if (!isset($url['path'])) $url['path'] = $last_url['path']; $new_url = $url['scheme'] . '://' . $url['host'] . $url['path'] . (isset($url['query'])?'?'.$url['query']:''); curl_setopt($ch, CURLOPT_URL, $new_url); return curl_redir_exec($ch); } else { $curl_loops=0; return $data; } } ?>1234567891011121314151617181920212223242526272829303132333435363738394041424344454647484950515253545556575859606162636465666768697071727374757677787980818283

从FTP做事器下载一个文件到本地

<?php/ 实例描述：把本地文件上传到FTP做事器上 /$curlobj = curl_init(); $localfile = 'ftp01.php';$fp = fopen($localfile, 'r');curl_setopt($curlobj, CURLOPT_URL, \"大众ftp://192.168.1.100/ftp01_uploaded.php\公众); curl_setopt($curlobj, CURLOPT_HEADER, 0); curl_setopt($curlobj, CURLOPT_RETURNTRANSFER, 1); curl_setopt($curlobj, CURLOPT_TIMEOUT, 300); // times out after 300scurl_setopt($curlobj, CURLOPT_USERPWD, \"大众peter.zhou:123456\"大众);//FTP用户名：密码//上传和下载紧张是下面子三个参数不一样curl_setopt($curlobj, CURLOPT_UPLOAD, 1);curl_setopt($curlobj, CURLOPT_INFILE, $fp);curl_setopt($curlobj, CURLOPT_INFILESIZE, filesize($localfile));$rtn = curl_exec($curlobj); fclose($fp); if(!curl_errno($curlobj)){ echo \"大众Uploaded successfully.\公众; } else { echo 'Curl error: ' . curl_error($curlobj);}curl_close($curlobj);?>123456789101112131415161718192021222324252627

6.下载网络上面的一个HTTPS的资源

<?php/ 实例描述：下载网络上面的一个HTTPS的资源 /$curlobj = curl_init(); // 初始化curl_setopt($curlobj, CURLOPT_URL, \"大众https://ajax.aspnetcdn.com/ajax/jquery.validate/1.12.0/jquery.validate.js\"大众); // 设置访问网页的URLcurl_setopt($curlobj, CURLOPT_RETURNTRANSFER, true); // 实行之后不直接打印出来// 设置HTTPS支持date_default_timezone_set('PRC'); // 利用Cookie时，必须先设置时区curl_setopt($curlobj, CURLOPT_SSL_VERIFYPEER, 0); // 对认证证书来源的检讨从证书中检讨SSL加密算法是否存在curl_setopt($curlobj, CURLOPT_SSL_VERIFYHOST, 2); // $output=curl_exec($curlobj); // 实行curl_close($curlobj); // 关闭cURLecho $output;?>1234567891011121314151617原生PHP仿照http要求

有时候为了大略仿照一个http要求，这样就去用curl有点摧残浪费蹂躏，实在php自身已经可以实现这个功能，

须要在做事器端仿照 POST/GET 等要求，也便是在 PHP 程序中去实现仿照，改怎么做到呢？或者说，在 PHP 程序里，给你一个数组，如何将这个数组 POST/GET 到其余一个地址呢？当然，利用 CURL 很随意马虎办到，那么如果不该用 CURL 库，又该怎么办呢？实在，在 PHP 里已经有干系的函数实现了，这个函数便是接下来要讲的 stream_context_create()。

直接 show you the code，这是最好的方法：

$data = array( 'foo'=>'bar', 'baz'=>'boom', 'site'=>'www.nowamagic.net', 'name'=>'nowa magic'); $data = http_build_query($data); //$postdata = http_build_query($data);$options = array( 'http' => array( 'method' => 'POST', 'header' => 'Content-type:application/x-www-form-urlencoded', 'content' => $data //'timeout' => 60 60 // 超时时间（单位:s） ));$url = \"大众http://www.nowamagic.net/test2.php\公众;$context = stream_context_create($options);$result = file_get_contents($url, false, $context);echo $result;http://www.nowamagic.net/test2.php 的代码为：$data = $_POST;echo '<pre>';print_r( $data );echo '</pre>';123456789101112131415161718192021222324252627282930

运行结果为：

Array( [foo] => bar [baz] => boom [site] => www.nowamagic.net [name] => nowa magic)1234567

一些要点讲解：

以上程序用到了 http_build_query() 函数，布局URL字符串。
stream_context_create() 是用来创建打开文件的高下文件选项的，比如用POST访问，利用代理，发送header等。
便是 创建一个流，再举一个例子吧：

$context = stream_context_create(array( 'http' => array( 'method' => 'POST', 'header' => sprintf(\公众Authorization: Basic %s\r\n\"大众, base64_encode($username.':'.$password)). \"大众Content-type: application/x-www-form-urlencoded\r\n\"大众, 'content' => http_build_query(array('status' => $message)), 'timeout' => 5, ), )); $ret = file_get_contents('http://twitter.com/statuses/update.xml', false, $context); 12345678910stream_context_create创建的高下文选项即可用于流(stream)，也可用于文件系统(file system)。
对付像 file_get_contents、file_put_contents、readfile直策应用文件名操作而没有文件句柄的函数来说更有用。
stream_context_create增加header头只是一部份功能，还可以定义代理、超时等。
这使得访问web的功能不弱于curl。
stream_context_create() 浸染：创建并返回一个文本数据流并运用各种选项，可用于fopen(),file_get_contents()等过程的超时设置、代理做事器、要求办法、头信息设置的分外过程。
stream_context_create 还能通过增加 timeout 选项办理file_get_contents超时处理：

$opts = array( 'http'=>array( 'method'=>\公众GET\"大众, 'timeout'=>60, ));//创建数据流高下文$context = stream_context_create($opts);$html =file_get_contents('http://www.nowamagic.net', false, $context);//fopen输出文件指针处的所有剩余数据://fpassthru($fp); //fclose()前利用