PHP网络爬虫之CURL学习

最新推荐文章于 2024-06-14 09:50:01 发布

2401_84140409

最新推荐文章于 2024-06-14 09:50:01 发布

阅读量376

点赞数 4

分类专栏：程序员文章标签： python 学习面试

本文链接：https://blog.csdn.net/2401_84140409/article/details/138923697

版权

程序员专栏收录该内容

138 篇文章 0 订阅

订阅专栏

现在能在网上找到很多很多的学习资源，有免费的也有收费的，当我拿到1套比较全的学习资源之前，我并没着急去看第1节，我而是去审视这套资源是否值得学习，有时候也会去问一些学长的意见，如果可以之后，我会对这套学习资源做1个学习计划，我的学习计划主要包括规划图和学习进度表。

分享给大家这份我薅到的免费视频资料，质量还不错，大家可以跟着学习

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

$rtn = curl\_exec($ curlobj);
if(!curl_errno($curlobj)){
// $info = curl\_getinfo($ curlobj);
// print_r($info);
echo $KaTeX parse error: Expected 'EOF', got '}' at position 7: rtn; }̲ else { echo '\dots$ curlobj);
}
curl_close($curlobj);
?>


**3. 模拟需要登录的网址并抓取网页的内容**

<?php /\*\* \* 实例描述：模拟需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, "http://www.imooc.com/user/login"); // 设置访问网页的URL curl\_setopt($curlobj, CURLOPT\_RETURNTRANSFER, true); // 执行之后不直接打印出来 // Cookie相关设置，这部分设置需要在所有会话开始之前设置 date\_default\_timezone\_set('PRC'); // 使用Cookie时，必须先设置时区 curl\_setopt($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("application/x-www-form-urlencoded; charset=utf-8", "Content-length: ".strlen($data) )); curl\_exec($curlobj); // 执行 curl\_setopt($curlobj, CURLOPT\_URL, "http://www.imooc.com/space/index"); curl\_setopt($curlobj, CURLOPT\_POST, 0); curl\_setopt($curlobj, CURLOPT\_HTTPHEADER, array("Content-type: text/xml" )); $output=curl\_exec($curlobj); // 执行 curl\_close($curlobj); // 关闭cURL echo $output; ?>


**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, "http://www.imooc.com/user/login"); // 设置访问网页的URL curl\_setopt($curlobj, CURLOPT\_RETURNTRANSFER, true); // 执行之后不直接打印出来 // Cookie相关设置，这部分设置需要在所有会话开始之前设置 date\_default\_timezone\_set('PRC'); // 使用Cookie时，必须先设置时区 curl\_setopt($curlobj, CURLOPT\_COOKIESESSION, TRUE); curl\_setopt($curlobj, CURLOPT\_HEADER, 0); // 注释掉这行，因为这个设置必须关闭安全模式以及关闭open\_basedir，对服务器安全不利 //curl\_setopt($curlobj, CURLOPT\_FOLLOWLOCATION, 1); curl\_setopt($curlobj, CURLOPT\_POST, 1); curl\_setopt($curlobj, CURLOPT\_POSTFIELDS, $data); curl\_setopt($curlobj, CURLOPT\_HTTPHEADER, array("application/x-www-form-urlencoded; charset=utf-8", "Content-length: ".strlen($data) )); curl\_exec($curlobj); // 执行 curl\_setopt($curlobj, CURLOPT\_URL, "http://www.imooc.com/space/index"); curl\_setopt($curlobj, CURLOPT\_POST, 0); curl\_setopt($curlobj, CURLOPT\_HTTPHEADER, array("Content-type: text/xml" )); $output=curl\_redir\_exec($curlobj); // 执行 curl\_close($curlobj); // 关闭cURL echo $output; /\*\* \* 自定义实现页面链接跳转抓取 \*/ function curl\_redir\_exec($ch,$debug="") { 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; } } ?>


**从FTP服务器下载一个文件到本地**

<?php /\*\* \* 实例描述：把本地文件上传到FTP服务器上 \*/ $curlobj = curl\_init(); $localfile = 'ftp01.php'; $fp = fopen($localfile, 'r'); curl\_setopt($curlobj, CURLOPT\_URL, "ftp://192.168.1.100/ftp01\_uploaded.php"); curl\_setopt($curlobj, CURLOPT\_HEADER, 0); curl\_setopt($curlobj, CURLOPT\_RETURNTRANSFER, 1); curl\_setopt($curlobj, CURLOPT\_TIMEOUT, 300); // times out after 300s curl\_setopt($curlobj, CURLOPT\_USERPWD, "peter.zhou:123456");//FTP用户名：密码 //上传和下载主要是下面子三个参数不一样 curl\_setopt($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 "Uploaded successfully."; } else { echo 'Curl error: ' . curl\_error($curlobj); } curl\_close($curlobj); ?>


**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, "https://ajax.aspnetcdn.com/ajax/jquery.validate/1.12.0/jquery.validate.js"); // 设置访问网页的URL curl\_setopt($curlobj, CURLOPT\_RETURNTRANSFER, true); // 执行之后不直接打印出来 // 设置HTTPS支持 date\_default\_timezone\_set('PRC'); // 使用Cookie时，必须先设置时区 curl\_setopt($curlobj, CURLOPT\_SSL\_VERIFYPEER, 0); // 对认证证书来源的检查从证书中检查SSL加密算法是否存在 curl\_setopt($curlobj, CURLOPT\_SSL\_VERIFYHOST, 2); // $output=curl\_exec($curlobj); // 执行 curl\_close($curlobj); // 关闭cURL echo $output; ?>


### 原生PHP模拟http请求


有时候为了简单模拟一个http请求，这样就去用curl有点浪费，其实php自身已经可以实现这个功能，


需要在服务器端模拟 POST/GET 等请求，也就是在 PHP 程序中去实现模拟，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 到另外一个地址呢？当然，使用 CURL 很容易办到，那么如果不使用 CURL 库，又该怎么办呢？其实，在 PHP 里已经有相关的函数实现了，这个函数就是接下来要讲的 `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 = “http://www.nowamagic.net/test2.php”;
$context = stream_context_create($ options);
$result = file_get_contents($ url, false, $context);

echo $result;
http://www.nowamagic.net/test2.php 的代码为：

$data = $_POST;

echo ‘

’;

print_r( $data );

echo ‘

’;


运行结果为：

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


一些要点讲解：


1. 以上程序用到了 `http_build_query()` 函数，构造URL字符串。
2. `stream_context_create()` 是用来创建打开文件的上下文件选项的，比如用POST访问，使用代理，发送header等。就是 创建一个流，再举一个例子吧：

$stream_context_create(array( 'http' => array( 'method' => 'POST', 'header' => sprintf("Authorization: Basic %s\r\n", base64_encode($ username.‘:’.$password)).
“Content-type: application/x-www-form-urlencoded\r\n”,
‘content’ => http_build_query(array(‘status’ => $message)),
‘timeout’ => 5,