最近公司要求做天猫和京东的店铺爬取,天猫店铺磕磕碰碰算是出了结果,然而进行到京东时确发现无论是file_get_contents 还是 curl,爬下来的网页总是会是写莫名其妙的文字,并不是常规的乱码,所以判断可能是京东服务器对网页做了处理,首先怀疑是不是被加密了,如果是加密就需要找到加密规则,那这工作就难进行了,最后经过一番资料查找,最后确定是网页进行了gz压缩,编辑器由于打开了二进制文件所以呈现了乱码。
那么既然确定了问题出现的原因,接下来就该寻找解决方案。
搜索出两种解决方案,第一种就是将return的字符进行解码 $return = gzdecode($return); 第二种则是在curl请求时附加 curl_setopt($ch, CURLOPT_ENCODING, 'gzip');
两种我都尝试了一下,第一种成功解决乱码,第二种不知为何,添加了之后curl请求回来的内容竟然为空,那么很明显,就用第一种吧