php简单实现爬虫,PHP实现简单爬虫

PHP实现简单爬虫<?php

/**

* 爬虫程序 -- 原型

*

* 从给定的url获取html内容

*

* @param string $url

* @return string

*/

function _getUrlContent($url) {

$handle = fopen($url, "r");

if ($handle) {

$content = stream_get_contents($handle, 1024 * 1024);

return $content;

} else {

return false;

}

}

/**

* 从html内容中筛选链接

*

* @param string $web_content

* @return array

*/

function _filterUrl($web_content) {

$reg_tag_a = '/\'\"\ ]*).*?>/';

$result = preg_match_all($reg_tag_a, $web_content, $match_result);

if ($result) {

return $match_result[1];

}

}

/**

* 修正相对路径

*

* @param string $base_url

* @param array $url_list

* @return array

*/

function _reviseUrl($base_url, $url_list) {

$url_info = parse_url($base_url);

$base_url = $url_info["scheme"] . '://';

if ($url_info["user"] && $url_info["pass"]) {

$base_url .= $url_info["user"] . ":" . $url_info["pass"] . "@";

}

$base_url .= $url_info["host"];

if ($url_info["port"]) {

$base_url .= ":" . $url_info["port"];

}

$base_url .= $url_info["path"];

print_r($base_url);

if (is_array($url_list)) {

foreach ($url_list as $url_item) {

if (preg_match('/^http/', $url_item)) {

// 已经是完整的url

$result[] = $url_item;

} else {

// 不完整的url

$real_url = $base_url . '/' . $url_item;

$result[] = $real_url;

}

}

return $result;

} else {

return;

}

}

/**

* 爬虫

*

* @param string $url

* @return array

*/

function crawler($url) {

$content = _getUrlContent($url);

if ($content) {

$url_list = _reviseUrl($url, _filterUrl($content));

if ($url_list) {

return $url_list;

} else {

return ;

}

} else {

return ;

}

}

/**

* 测试用主程序

*/

function main() {

$current_url = "http://hao123.com/"; //初始url

$fp_puts = fopen("url.txt", "ab"); //记录url列表

$fp_gets = fopen("url.txt", "r"); //保存url列表

do {

$result_url_arr = crawler($current_url);

if ($result_url_arr) {

foreach ($result_url_arr as $url) {

fputs($fp_puts, $url . "\r\n");

}

}

} while ($current_url = fgets($fp_gets, 1024)); //不断获得url

}

main();

?>

本文原创发布php中文网,转载请注明出处,感谢您的尊重!

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值