PHP小偷程序原理、实例及改进

优点：通过PHP小偷，我们可以借用别人网站上的信息而不用自己辛苦地去采集。 

缺点：需要把整页的HTML代码读取到本地，然后通过匹配获取到想要的信息再进行显示，这样大大影响网页的加载速度。 

改进：通过AJAX异步读取HTML代码，后台进行匹配获取到想要的信息，再显示到前台页面。 

预备知识：PHP、AJAX、正则表达式。 

关键字：file_get_contents()、fopen()、fwrite()、eregi()，前三个关键字都是关于PHP文件处理的函数，eregi()是关于正则表达式的函数。 

一、PHP小偷原理的实现：

1、file_get_contents()、fopen()、fwrite()的应用 

咱们用华夏黑客牛刀小试吧，把主页的全部信息获取过来。 

建立一个PHP文件： 

<?php  $url='http://www.77169.com';  //file_get_contents()函数获取网页的html文档  $file=file_get_contents($url);  //建立一个新文件ImitationIndex.htm  $newfile=fopen('ImitationIndex.htm','w');  //把内容读取进去  fwrite($newfile,$file);  //关闭打开的文件  fclose($newfile);  ?>

 

ImitationIndex.htm获取主页全部的HTML（保存好，以备下次使用）。 

2、eregi()函数的应用 

通过eregi()获取里的内容： 

<?php  $url='http://www.77169.com';  //file_get_contents()函数获取网页的html文档  $file=file_get_contents($url);  //通过eregi()匹配获取想要的信息  eregi('<title>(.*)</title>',$file,$rg);  //建立一个新文件  $newfile=fopen('title.htm','w');  //把内容读取进去  fwrite($newfile,$rg[1]);  ?>

 
 
打开title.htm可以看到已经获取了<title></title>之间的内容 

从上面的两个例子，已经知道PHP小偷的实现原理，从中也知道它的不足之处，但通过AJAX可以完善它，使它可以用于实践项目中。 

二、PHP小偷技术的实用和改进： 

目的：获取华夏黑客的最新资讯，并实时更新查看示例。 

实际中可能只用到三个页面：showNews.php、Update.php、HackNews.htm，但为了能看到实时更新的效果，这里用到了模拟主页的页面ImitationIndex.htm。 

showNews.php： 

<style type="text/css">  body{background:#c60;}  a{color:#444;font:12px Courier New;padding:8px;}  a:hover{color:#f00}  #hei_content{width:400px;background:#ccc;border:2px solid #000;border-bottom:5px solid #000;}  </style>  <?php  echo('<div id="hei_content">');  include('HackNews.htm');  echo('</div>');  ?>  <script type="text/javascript">  window.οnlοad=UpdateNews;  function GetXmlHttp()  {  var xmlhttp;  try  {  //IE7.0 ect  xmlhttp=new ActiveXObject("Msxml2.XMLHTTP");  }  catch(a)  {  try  {  //ie6.0 ect  xmlhttp=new ActiveXObject("Mscrosoft.XMLHTTP");  }  catch(b)  {  //非IE  xmlhttp=new XMLHttpRequest();  }  }  return xmlhttp;  }  function StateChange()  {  if(xmlhttp.readyState==4&&xmlhttp.status==200)  {  document.getElementById("hei_content").innerHTML=xmlhttp.responseText;  }  }  function UpdateNews()  {  xmlhttp=GetXmlHttp();  xmlhttp.onreadystatechange=StateChange;  var url='Update.php';  url=url+"?sid="+Math.random();  xmlhttp.open("GET",url,true);  xmlhttp.send(null);  }  </script>

 

HackNews.htm是已经缓存的文件，这样不用加载主页上的整个HTML再显示，这个工作留给AJAX： 

document.getElementById("hei_content").innerHTML=xmlhttp.responseText

 

xmlhttp.responseText就是加载更新后的内容。 

Update.php： 

<?php  $url='ImitationIndex.htm';  //file_get_contents()函数获取网页的html文档  $file=file_get_contents($url);  //$regx为正则表达式的内容,用于匹配获取想要的信息  $regx='<td background=http://hack.77169.com/UploadFiles_8057/200902/20090220100422648.gif colSpan=3 height=100>  (.*)</td>  </tr>  </table>  </td>  </tr>  <tr>  <td colSpan=3><IMG height=8 src=/"http://hack.77169.com/UploadFiles_8057/200902/20090220100422568.gif';  //eregi()获取匹配到的内容,赋值给数组变量$rg;  eregi($regx,$file,$rg);  //建立一个新文件HackNews.htm  $newfile=fopen('HackNews.htm','w');  //把内容读取进去  fwrite($newfile,$rg[1]);  fclose($newfile);  //用iconv编码转换后,输出匹配的HTML内容  $rg[1]=iconv('gb2312','utf-8',$rg[1]);  echo($rg[1]);  ?>

Update.php是异步更新的后台页面，“$newfile=fopen('HackNews.htm','w');”和“fwrite($newfile,$rg[1]);”把更新的内容重新保存在HackNews.htm中，下次在index.php中include时就直接调用这个页面，“$url='ImitationIndex.htm'”在实际应用中应该是“$url='http://www.77169.com'”，但为了便于调试，建立一个ImitationIndex.htm模拟页面，如果对ImitationIndex.htm页面中最新资讯中的内容改改，就可以看到实时更新效果。 

总结：通过AJAX改进的PHP小偷技术，在采集多个网站的大量信息下，页面的加载速度并不会受多大影响。