可以使用 PHP 的 cURL 库实现抓取网页。具体步骤如下:
- 构造搜索 URL。
百度搜索的 URL 格式为 https://www.baidu.com/s?wd=关键词
,其中“关键词”是进行搜索的关键字。可以通过拼接关键字构造出相应的搜索 URL。
- 使用 cURL 库发送 HTTP 请求。
使用 cURL 库发送 HTTP GET 请求获取搜索结果页的 HTML 内容。需要设置的选项包括 URL,请求头信息等。
- 解析 HTML 内容,提取搜索结果数据。
使用 PHP 的 DOMDocument 类可以比较方便地解析 HTML 内容。可以通过查找并解析 HTML 中相应的标签,提取出搜索结果的信息,如标题、链接、描述等。也可以使用正则表达式等方法进行解析。
下面是一个使用 cURL 库抓取百度搜索结果页并提取搜索结果的示例代码:
<?php
// 搜索关键词
$query = "PHP";
// 构造搜索 URL
$search_url = "https://www.baidu.com/s?wd=" . urlencode($query);
// 初始化 cURL
$ch = curl_init();
// 设置 cURL 选项
curl_setopt($ch, CURLOPT_HEADER, 0);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
curl_setopt($ch, CURLOPT_SSL_VERIFYPEER, FALSE);
curl_setopt($ch, CURLOPT_SSL_VERIFYHOST, FALSE);
curl_setopt($ch, CURLOPT_HTTPHEADER, $header);
curl_setopt($ch, CURLOPT_TIMEOUT, 60);
// 发送 HTTP 请求并获取搜索结果页内容
$html = curl_exec($ch);
// 关闭 cURL 连接
curl_close($ch);
// 解析 HTML 内容,并提取搜索结果数据
$dom = new \DOMDocument();
@$dom->loadHTML($html);
$items = $dom->getElementsByTagName('h3');
foreach ($items as $item) {
$link = $item->firstChild->getAttribute('href');
$title = $item->firstChild->nodeValue;
$desc = $item->parentNode->nextSibling->nodeValue;
echo "标题:" . $title . "\n链接:" . $link . "\n描述:" . $desc . "\n\n";
}
注意:为了方便起见,上述示例中没有进行异常处理、字符串编码处理等。在实际的应用中,还需要考虑这些问题。