采集

采集有两种方式访问

1、file_get_contents()

2、curl_init()

一、file_get_contents()

1、使用file_get_contents()抓到你网页的内容，当访问搜狐的时候回出现乱码，解决办法是在file_get_contents("compress.zlib://".地址名)

会出现乱码的原因是因为从浏览器上访问搜索的时候，页面受到的是一堆压缩的数据， 使用compress.zlib:// 可以实现乱码

例如：

1. $url = "http://www.sohu.com/";  
2. echo file_get_contents('compress.zlib://'.$url); 

2、获取页面里面的内容

使用正则规则：

例如：

1.获取title标签的内容：

$preg="#<title>(.*)</title>#isU";
preg_match_all( $preg,$con,$result);//php正则表达式
print_r($result);exit;

2.使用.*的意思是：获取标签里面全部的内容

3.使用i，s，u的意思分别是：

i是将正则表达式取消大小写的敏感性

s 模式中的圆点元字符（.）匹配所有的字符，包括换行符

U (PCRE_UNGREEDY) 本修正符反转了匹配数量的值使其不是默认的重复，

二、curl

使用curl之前，必须在配置文件中开启curl扩展

然后就可直接使用了。

代码如下：

<?php
$url="http://www.baidu.com/";
$ch = curl_init();  //1.初始化
curl_setopt($ch, CURLOPT_URL, $url); //2.请求地址
curl_setopt($ch, CURLOPT_CUSTOMREQUEST, "GET");//3.请求方式，请求方式默认是get
curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
$tmpInfo = curl_exec($ch);//6.执行
if (curl_errno($ch)) {//7.如果出错
    return curl_error($ch);
}
curl_close($ch);//8.关闭
var_dump($tmpInfo);