php7抓取网页数据,15.2 自定义get方法抓取网页

假设我们使用get方法请求一个网页，得到网页内容后可以匹配出对应的内容。

我们可以使用curl封装一个函数，假设函数名就为get。传入url就能请求指定的网页，将指定网页的HTML代码返回回来。代码如下：

~~~

function get($url) {

//初使化curl

$ch = curl_init();

//请求的url，由形参传入

curl_setopt($ch, CURLOPT_URL, $url);

//将得到的数据返回

curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);

//不处理头信息

curl_setopt($ch, CURLOPT_HEADER, 0);

//连接超过10秒超时

curl_setopt($ch, CURLOPT_TIMEOUT, 10);

//执行curl

$output = curl_exec($ch);

//关闭资源

curl_close($ch);

//返回内容

return $output;

}

~~~

我们现在使用我们所写的get方法，请求网易的一个列表，将标题和url抓取出来。

我们可以先用get方法中传入一个URL。得到这个网址所对应网页的html。

网址为新媒体观察网的新闻列表页：http://www.xmtnews.com/events

。

将红色区域采集下来：


**一、得到彩红色区间的html**

这个区间从下面的HTML代码开始：

~~~

~~~

在以下代码结束：

~~~

~~~

使用preg_match写一个正则表达示就匹配就得到了红色区间的HTML。将匹配到的HTML赋值给变量$area。

匹配的正则表达示如下：

~~~

(.*?)

/mis'

~~~

**二、在红色区域匹配标题和标题的URL**

我们发现所有的标题都在`

`标签里面。我们使用preg_match_all写一个正则表达示。

`preg_match_all('/

(.*?)/mis', $area, $find);`

将url和内容匹配出来的内容放置到$find中，将$find数组，打印出来就可以看到匹配的结果了。

如果需要，也可以循环读取显示每一行标题和每一行URL。

全部代码演示如下：

~~~

$content = get('http://www.xmtnews.com/events');

preg_match('/(.*?)

/mis', $content, $match);

//将正则匹配到的内容赋值给$area

$area = $match[1];

preg_match_all('/