使用CURL构建爬虫,抓取百度百科内容
来源:互联网 发布:js中文转unicode编码 编辑:程序博客网 时间:2024/05/21 08:58
<?php require 'func.curl.php'; require 'func.mysql.php'; //CURL if (isset($_GET['action'])){ $_key=$_POST['key']; $_ch=curl_init(); curl_setopt($_ch,CURLOPT_URL,"http://baike.baidu.com/search?word=".$_key); curl_setopt($_ch,CURLOPT_RETURNTRANSFER,1); $_output=curl_exec($_ch); curl_close($_ch); if(preg_match_all('/(http\:\/\/baike\.baidu\.com.*)\"\s/',$_output,$_url)){ $_res=curl($_url[1]); $_title=array(); $_content=array(); for ($_i=0;$_i<count($_res);$_i++){ if (preg_match_all('/lemmaTitleH1\"\>(.*?)\s*\<\/div\>/',$_res[$_i],$_arr)){ //标题 $_title[$_i]=strip_tags($_arr[1][0]); if (preg_match_all('/para\"\>(.*?)\s*\<\/div\>/',$_res[$_i],$_arr)){ //内容 $_content[$_i][0]=strip_tags($_arr[1][0]); $_content[$_i][1]=strip_tags($_arr[1][1]); //插入数据库 inserInfo($_title[$_i],$_content[$_i][0],$_content[$_i][1],$_key); } } } }else{ exit('无匹配结果'); } }?> <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd"><html xmlns="http://www.w3.org/1999/xhtml"><head><meta http-equiv="Content-Type" content="text/html; charset=utf8" /><title>模拟搜索引擎</title><link type="text/css" rel="stylesheet" href="curl.css"/></head><body> <div id="header"> <form method="post" action="?action=search"> <input type="text" name="key" value="请输入关键字" class="text"/> <input type="submit" name="submit" value="搜索" class="submit"/> </form> </div> <div id="content"> <table> <?php for ($i=0;$i<count($_title);$i++){?> <tr><td class="title"><a href="<?php echo $_url[1][$i];?>" target="_blank"><?php echo $_title[$i];?></a></td></tr> <tr><td class="content"><?php echo $_content[$i][0]?></td></tr> <?php }?> </table> </div><script type="text/javascript"> var key=document.getElementsByName('key')[0]; key.onfocus=function(){ this.value=''; }; key.onblur=function(){ if(this.value==""){ this.value="请输入关键字"; } };</script></body></html>func.curl.php的代码:
<?php//curl批处理函数function curl($connomains){ $mh = curl_multi_init(); foreach ($connomains as $i => $url) { $conn[$i] = curl_init("$url"); curl_setopt($conn[$i], CURLOPT_RETURNTRANSFER, 1); curl_multi_add_handle ($mh,$conn[$i]); } // start performing the request do { $mrc = curl_multi_exec($mh, $active); } while ($mrc == CURLM_CALL_MULTI_PERFORM); while ($active and $mrc == CURLM_OK) { // wait for network if (curl_multi_select($mh) != -1) { // pull in any new data, or at least handle timeouts do { $mrc = curl_multi_exec($mh, $active); } while ($mrc == CURLM_CALL_MULTI_PERFORM); } } // retrieve data foreach ($connomains as $i => $url) { if (($err = curl_error($conn[$i])) == '') { $res[$i]=curl_multi_getcontent($conn[$i]); } else { print "Curl error on handle $i: $err\n"; } curl_multi_remove_handle($mh,$conn[$i]); curl_close($conn[$i]); } curl_multi_close($mh); return $res; }?>
func.mysql.php的代码为:
<?phpfunction inserInfo($_title,$_content,$_content_extra,$_keywords){ $_mysql=mysql_connect('localhost','root','123') or die('数据库连接错误'); mysql_select_db('baike',$_mysql); mysql_query('set names utf8'); mysql_query("INSERT INTO info (title,content,content_extra,keywords) VALUES( '$_title', '$_content', '$_content_extra', '$_keywords' ) "); mysql_close(); }?>
0 0
- 使用CURL构建爬虫,抓取百度百科内容
- Python简易爬虫--抓取任意数目百度百科内容
- Python 简易网络爬虫的编写——抓取任意页面数目百度百科内容
- 使用curl抓取百度首页
- Python爬虫实战一之使用Beautiful Soup抓取‘谣言百科’的分类内容
- 百度百科的抓取和使用
- WebCollector2.X 网络JAVA爬虫入门(抓取百度百科)
- 抓取百度百科数据
- python3 爬虫学习-根据关键词爬取百度百科内容
- Python爬虫爬取百度百科内容实例
- 百度百科爬虫
- 爬虫-百度百科
- 网络爬虫:百度百科
- 百度百科爬虫PHP
- JAVA使用爬虫抓取网站网页内容
- python爬虫,抓取百度指定内容的url链接
- C#使用HtmlAgilityPack抓取糗事百科内容实例
- 使用cURL获取百度首页内容
- 梅艳芳李小龙邓丽君梦露 明星死因内幕大揭秘
- hibennate中自定义数据语句
- 斯蒂芬司法所
- 严重精神病会有什么危害
- 带个话多喝点公司放电管d各地
- 使用CURL构建爬虫,抓取百度百科内容
- 宿舍是收拾收拾收拾收拾收拾收拾收拾收拾
- 《幸福爱人》正能量不断 毛林林被担心太坏嫁不掉
- 宿舍是收拾收拾收拾收拾
- 给大家回个话
- 王丽坤情挑最萌年龄差 《爱的多米诺》一触即发
- c++移植IOS问题
- 是收拾收拾收拾收拾
- 经纬财富:中山白银做单判断依据的方法