做了N年的PHP，采集了N家数据，由初学者菜鸟，到现在的熟手，采集天猫、淘宝、腾讯、京东、敦煌、Lightinthebox、大龙、zencart、magento、prestashop、opencart、xcart、踏踏。。。。对采集颇有诸多的理解。
现在给大家分析下，如有误，请指出。
我能想到的常用采集方法：
1. file
支持应用层协议，返回的数据是以数组形式返回，需要开启allow_url_fopen.
长处：擅长处理本地文件
短处：不擅长处理URL这类的采集，大并发时会丢包、超时，适合处理本地小文件。
2. file_get_contents
支持应用层协议，返回的数据是以字符串形式返回，需要开启allow_url_fopen.
长处：擅长处理本地文件
短处：不擅长处理URL这类的采集，大并发时会丢包、超时，适合处理本地小文件。
3. fopen
支持应用层协议，返回的数据是以字符串形式返回，需要开启allow_url_fopen.
长处：擅长处理本地文件
短处：不擅长处理URL这类的采集，大并发时会丢包、超时，适合处理本地大文件。
4. copy
支持应用层协议，直接把远程文件拉倒本地，成功返回true，失败返回false，需要开启allow_url_fopen.
长处：擅长处理本地文件
短处：需要把远程文件拽下来后，再正则分析抓取，占用硬盘，大并发时会丢包、超时，适合处理本地文件的拷贝。
//-------------------------//py by http://my.oschina.net/cart---------------------
5. curl
支持应用层协议，需要开启CURL扩展
长处：采集时可以对DNS进行缓存，采集速度快。GET\POST\PUT\DELETE 模仿用户头信息、伪造IP、远程登录。。。
短处：不支持底层通信，如TCP\IP\UDP\CMP。。
6. socket
支持通信层协议，需要开启socket扩展
长处：网络传输层和网络应用层的接口API，强大无比，CURL可以干的，socket也可以干，
socket可以干的，CURL不一定可以干。
短处：一般服务器默认不开启socket扩展，此乃属于网络编程，对技术人员要求较高。
只支持底层（通信层套接字）通信，不支持应用层通信。采集速度慢于CURL。
7. fsockopen
支持通信层协议 PHP自带的方法 文件操作的方式 File
长处：功能同6中的socket，但这是PHP自带的方法，不需要扩展支持。是socket的又一次封装，使用更简单.
短处：采集速度慢于curl。
8.stream_socket_client
支持通信层协议 PHP自带的方法 流操作的方式 Stream
长处：功能同6中的socket，但这是PHP自带的方法，不需要扩展支持。是socket的又一次封装，使用更简单.
短处：采集速度慢于curl。
9.readfile
支持应用层协议，直接把远程文件拉倒本地，成功返回从文件中读入的字节数，失败返回false.
长处：基于缓冲区的大文件处理，适合大文件下载等应用。
短处：不能直接像curl那种直接下载大文件，否则出错，必须配合缓冲区使用。读完上述，大家有何感觉？
个人推荐：
curl：基本涵盖所有的采集应用：蜘蛛爬虫、大文件下载、批量采集、浏览器伪装…更以采集速度快，可以缓存DNS所以采集速度快而闻名。
fsockopen、socket、stream_socket_client：更底层的处理，底层编程，如银行业务、游戏底层通信等，虽然慢，但是稳定。
fopen、file、filegetcontents、copy：更偏向适合本地文件的处理，处理远程文件的话，效果不佳，作者不推荐。
readfile：由于配合缓冲区的独特优势，更适合大文件的在线下载。而且下载不卡，对服务器拖累很小。
这里 顺便补充一句，
为什么我用fsockopen（socket）用TCP 80端口访问百度可以访问，
我浏览器直接输入tcp://www.baidu.com、tcp:http://www.baidu.com:80 却访问不了呢？答：
因为浏览器是应用层，fsockopen（socket）是传输层, 天生就不支持那样的使用哦！如果你的目标站点没有防采集措施，可以轻易使用Linux命令来达到轻松采集，一般用在下载网站模板、网站扒皮、批量采集场景：
wget -r -p -np -k https://www.oschina.net/
598
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
