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 

复制代码 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。 

复制代码 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 

复制代码 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。 

复制代码 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。 

复制代码 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： 

复制代码 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。 

复制代码 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。 

复制代码 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; 

?>