今天自己在写一个程序,抓取别人的网页,之前公司有些功能也会需要,但是今天在抓取网页的时候发现了一个问题 用file_get_contents抓取网页发现如截图所示的乱码情况
于是用转换编码
$contents = iconv("gb2312", "utf-8//IGNORE",$contents);之前遇到就算乱码也是网页编码的问题,html标签页不会有问题,问题还是没有解决
于是网上找了一下
原因:说是获取的头部信息当中有Content-Encoding: gzip说明内容是GZIP压缩的
然后我试着抓取了自己的博客,发现可以正常抓取,头部信息中也带有Content-Encoding: gzip,为什么会这样就不清楚了,之后在解决下面我推荐2种解决方法:
①、服务器安装zlib库
$contents = file_get_contents("compress.zlib://".$url);②. 使用CURL代替file_get_contents
function curl_get($url, $gzip=false){ $curl = curl_init($url); curl_setopt($curl, CURLOPT_RETURNTRANSFER, 1); curl_setopt($curl, CURLOPT_CONNECTTIMEOUT, 10); if($gzip) curl_setopt($curl, CURLOPT_ENCODING, "gzip"); // 关键在这里 $content = curl_exec($curl); curl_close($curl); return $content; }自此问题解决了,继续下面的程序
QQ交流群:136351212
查看原文:http://www.phpsong.com/1404.html
用file_get_contents抓取网页乱码的2种解决方式
最新推荐文章于 2024-07-12 00:00:00 发布