主要流程就是獲取整個(gè)網(wǎng)頁(yè)，然后正則匹配（關(guān)鍵的）。

PHP抓取頁(yè)面的主要方法,有幾種方法是網(wǎng)上前輩的經(jīng)驗(yàn)，現(xiàn)在還沒(méi)有用到的，先存下來(lái)以后試試。

1.file()函數(shù)

2.file_get_contents()函數(shù)

3.fopen()->fread()->fclose()模式

4.curl方式 （本人主要用這個(gè)）

5.fsockopen()函數(shù) socket模式

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

7.file()函數(shù)

<?php //定義url $url='[http://t.qq.com](http://t.qq.com/)';//fiel函數(shù)讀取內(nèi)容數(shù)組 $lines_array=file($url);//拆分?jǐn)?shù)組為字符串 $lines_string=implode('',$lines_array);//輸出內(nèi)容 echo $lines_string;　

2.使用file_get_contents方法實(shí)現(xiàn)，比較簡(jiǎn)單。

使用file_get_contents和fopen必須空間開(kāi)啟allow_url_fopen。方法：編輯php.ini，設(shè)置 allow_url_fopen = On，allow_url_fopen關(guān)閉時(shí)fopen和file_get_contents都不能打開(kāi)遠(yuǎn)程文件。

$url="[http://news.sina.com.cn/c/nd/2016-10-23/doc-ifxwztru6951143.shtml](http://news.sina.com.cn/c/nd/2016-10-23/doc-ifxwztru6951143.shtml)"; $html=file_get_contents($url); //如果出現(xiàn)中文亂碼使用下面代碼` //$getcontent = iconv("gb2312", "utf-8",$html); echo"<textarea style='width:800px;height:600px;'>".$html."</textarea>";

3.fopen()->fread()->fclose()模式 ，目前還沒(méi)用過(guò)，看到了就先記下了

<?php //定義url $url='[http://t.qq.com](http://t.qq.com/)';//fopen以二進(jìn)制方式打開(kāi)  $handle=fopen($url,"rb");//變量初始化 $lines_string="";//循環(huán)讀取數(shù)據(jù) do{ $data=fread($handle,1024);   if(strlen($data)==0) {` break;  }  $lines_string.=$data; }while(true);//關(guān)閉fopen句柄，釋放資源 fclose($handle);//輸出內(nèi)容 echo $lines_string;

4.使用curl實(shí)現(xiàn)（本人一般使用這個(gè)）。

使用curl必須空間開(kāi)啟curl。方法：windows下修改php.ini，將extension=php_curl.dll前面的分號(hào)去掉，而且需 要拷貝ssleay32.dll和libeay32.dll到C:WINDOWSsystem32下；Linux下要安裝curl擴(kuò)展。

<?php header("Content-Type: text/html;charset=utf-8"); date_default_timezone_set('PRC'); $url = "https://***********ycare";//要爬取的網(wǎng)址 $res = curl_get_contents($url);//curl封裝方法 preg_match_all('/<script>(.*?)</script>/',$res,$arr_all);//這個(gè)網(wǎng)頁(yè)中數(shù)據(jù)通過(guò)js包過(guò)來(lái)，所以直接抓js就可以 preg_match_all('/"id":"(.*?)",/',$arr_all[1][1],$arr1);//從js塊中匹配要的數(shù)據(jù) $list = array_unique($arr1[1]);//（可省）保證不重復(fù) //以下則是同理，循環(huán)則可 for($i=0;$i<=6;$i=$i+2){   $detail_url = 'ht*****em/'.$list[$i];   $detail_res = curl_get_contents($detail_url);   preg_match_all('/<script>(.*?)</script>/',$detail_res,$arr_detail);   preg_match('/"desc":"(.*?)",/',$arr_detail[1][1],$arr_content);   ***     ***     ***   $ret=curl_post('http://**********cms.php',$result);//此腳本未放在服務(wù)器上，原因大家懂就好哈。 } function curl_get_contents($url,$cookie='',$referer='',$timeout=300,$ishead=0) {   $curl = curl_init();   curl_setopt($curl, CURLOPT_RETURNTRANSFER,1);   curl_setopt($curl, CURLOPT_FOLLOWLOCATION,1);   curl_setopt($curl, CURLOPT_URL,$url);   curl_setopt($curl, CURLOPT_TIMEOUT,$timeout);   curl_setopt($curl, CURLOPT_USERAGENT,'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.181 Safari/537.36');   if($cookie)   {     curl_setopt( $curl, CURLOPT_COOKIE,$cookie);   }   if($referer)   {     curl_setopt ($curl,CURLOPT_REFERER,$referer);   }   $ssl = substr($url, 0, 8) == "https://" ? TRUE : FALSE;   if ($ssl)   {     curl_setopt($curl, CURLOPT_SSL_VERIFYHOST, false);     curl_setopt($curl, CURLOPT_SSL_VERIFYPEER, false);   }   $res = curl_exec($curl);   return $res;   curl_close($curl); } //curl post數(shù)據(jù)到服務(wù)器 function curl_post($url,$data){   $ch = curl_init();   curl_setopt($ch,CURLOPT_RETURNTRANSFER,1);   //curl_setopt($ch,CURLOPT_FOLLOWLOCATION, 1);   curl_setopt($ch, CURLOPT_SSL_VERIFYPEER, FALSE);   curl_setopt($ch,CURLOPT_USERAGENT,'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.181 Safari/537.36');   curl_setopt($ch,CURLOPT_URL,$url);   curl_setopt($ch,CURLOPT_POST,true);   curl_setopt($ch,CURLOPT_POSTFIELDS,$data);   $output = curl_exec($ch);   curl_close($ch);   return $output;  } ?>

5.fsockopen()函數(shù) socket模式（沒(méi)用過(guò)，以后可以試試）

socket模式能否正確執(zhí)行，也跟服務(wù)器的設(shè)置有關(guān)系，具體可以通過(guò)phpinfo查看服務(wù)器開(kāi)啟了哪些通信協(xié)議

<?php $fp = fsockopen("t.qq.com", 80, $errno, $errstr, 30); if (!$fp) {   echo "$errstr ($errno)<br />n"; } else {   $out = "GET / HTTP/1.1rn";   $out .= "Host: t.qq.comrn";   $out .= "Connection: Closernrn";   fwrite($fp, $out);   while (!feof($fp)) {     echo fgets($fp, 128);   }   fclose($fp); }

6.snoopy插件，最新版本是Snoopy-1.2.4.zip Last Update: 2013-05-30，推薦大家使用

使用網(wǎng)上非常流行的snoopy來(lái)進(jìn)行采集，這是一個(gè)非常強(qiáng)大的采集插件，并且它的使用非常方便，你也可以在里面設(shè)置agent來(lái)模擬瀏覽器信息。

說(shuō)明：設(shè)置agent是在 Snoopy.class.php 文件的第45行，請(qǐng)?jiān)谠撐募兴阉?“var 公式輸入有誤_SERVER['HTTP_USER_AGENT']; 可以得到瀏覽器信息，將echo出來(lái)的內(nèi)容復(fù)制到agent里面就可以了。

<?php //引入snoopy的類文件 require('Snoopy.class.php'); //初始化snoopy類 $snoopy=new Snoopy; $url="[http://t.qq.com](http://t.qq.com/)"; //開(kāi)始采集內(nèi)容` $snoopy->fetch($url); //保存采集內(nèi)容到$lines_string $lines_string=$snoopy->results; //輸出內(nèi)容，嘿嘿，大家也可以保存在自己的服務(wù)器上 echo $lines_string;

推薦相關(guān)學(xué)習(xí)：php圖文教程