php抓取商品信息,PHP採集抓取淘寶網單個商品信息的方法思路

調用淘寶的數據可以使用淘寶提供的api，如果只需調用淘寶商品圖片名稱等公開信息在自己網站上，使用php中的 file_get_contents 函數實現即可。

思路：

file_get_contents(url) 該函數根據 url 如 http://www.baidu.com 將該網頁內容(源碼)以字元串形式輸出(一個整字元串)，然後配合preg_match，preg_replace等這些正則表達式操作就可以實現獲取該url特定div，img等信息了。當然前題是淘寶在單個商品頁面的結構是固定的，如500圖的img中id就是J_ImgBooth！

具體實現方法：(獲取500圖，名稱，價格，屬性及商品描述)

$text=file_get_contents("http://item.taobao.com/item.htm?id=2380347279"); //將url地址上頁面內容保存進$text

A.獲取500圖：

preg_match('/]*id="J_ImgBooth"[^r]*rc="([^"]*)"[^>]*>/', $text, $img);

//運用正則抓取img標籤中id為J_ImgBooth的img，$img[0]為該500圖img標籤，$img[1]為500圖的圖片地址；

B. 獲取名稱：

preg_match('/

([^<>]*)/', $text, $title);

//因為正文中的商品名稱標籤沒有特殊class或id正則不好抓取，就抓

標籤中的內容了，一般來說title中內容就是商品名稱了(實際有些出入)，$title[0]整個title標籤 $title[1]標籤中內容；

$title=iconv('GBK','UTF-8',$title);

//如果你的網站是utf8編碼，那麼需要進行一下轉碼(淘寶是gbk編碼)

C.獲取價格：

preg_match('/]*>([^/is', $text, $price);

//同理獲取id為J_StrPrice的標籤內容$price[2], $price[0]是整個標籤， $price[1]為strong標籤名；

$price=floatval($price);//放入資料庫估計還有轉一下變數類型

D.獲取屬性：

這之前獲取的內容都是在單標籤中相對只需一個正則就可搞定，然而如果要獲取如

…

…

…

…

…

…

這樣特定div中有未知n個<>標籤，獲取該特定div將會非常的困難，搜了下網上，最接近的也只是」/]*>([^<>]|(?R))*\1>/」這樣使用遞歸抓取標籤對，但是他不能抓特定標籤，所以想要輕鬆抓取class=」attributes」的div我是沒法辦到了。但是淘寶網頁有其特殊性，就是它的各個標籤結構基本是固定的…

…

標籤後面不是