php抓取商品信息,tmall天猫获取所有商品信息的采集规则(php json)

发现tmall页面的静态内容采用了cdn分片，页面中变化的内容，都放到了cdn里，所有商品的信息都可以在JSON中获取，也许是方便在更新商品的时候，不用更新商品详情页的静态文件吧。

下面的代码可以读取商品的详细信息，并对信息做了简单处理，方便火车采集器采集调用

[php]

$url = 'http://tdecorate.tbcdn.cn/dc/fetchDc.htm?pid=72854835&sellerId=130974249';

$url = 'http://tdecorate.tbcdn.cn/dc/fetchDc.htm?pid=640211846&sellerId=737591379';

$html = @file_get_contents($url);

echo tidy($html);

function tidy($html)

{

//过滤js中的换行符

$html = str_replace(array('\r', '\n', '\t', 'http://a.tbcdn.cn/kissy/1.0.0/build/imglazyload/spaceball.gif', 'data-ks-lazyload'),

array("\r", "\n", "\t", '', 'src'),

$html);

//Js unicode解码

$html = unicode_decode($html);

//去掉反斜杠转议符

$html = stripslashes($html);

//过滤特殊样式

$html = str_replace(array(' src="http://a.tbcdn.cn/kissy/1.0.0/build/imglazyload/spaceball.gif"', 'data-ks-lazyload'),

array('', 'src'),

$html);

//匹配出内容

$html = get_desc($html);

return trim($html);

}

function unicode_decode($string)

{

$string = preg_replace_callback('#\\\u([0-9a-f]{4})#ism', create_function('$matches', 'return mb_convert_encoding(pack("H*", $matches[1]), "UTF-8", "UCS-2BE");'), $string);

return $string;

}

function get_desc($html)

{

preg_match('@"DcTopRight"[\s\S]*?"html":"([\s\S]*?)\s+\},@is', $html, $match);

return $match[1];

}

[/php]