利用curl怎么實現(xiàn)一個站外采集功能

利用curl怎么實現(xiàn)一個站外采集功能？相信很多沒有經驗的人對此束手無策，為此本文總結了問題出現(xiàn)的原因和解決方法，通過這篇文章希望你能解決這個問題。

curl是專門用來進行網(wǎng)絡交互的庫，提供了一堆自定義選項，用來應對不同的環(huán)境，穩(wěn)定性自然要大于file_get_contents。

使用方法

1、開啟curl支持

由于php環(huán)境安裝后默認是沒有打開curl支持的，需修改php.ini文件，找到;extension=php_curl.dll，把前面的冒號去掉，重啟服務即可；

2、使用curl進行數(shù)據(jù)抓取

復制代碼 代碼如下:

// 初始化一個 cURL 對象
$curl = curl_init();
// 設置你需要抓取的URL
curl_setopt($curl, CURLOPT_URL, 'http://www.cmx8.cn');
// 設置header
curl_setopt($curl, CURLOPT_HEADER, 1);
// 設置cURL 參數(shù)，要求結果保存到字符串中還是輸出到屏幕上。
curl_setopt($curl, CURLOPT_RETURNTRANSFER, 1);
// 運行cURL，請求網(wǎng)頁
$data = curl_exec($curl);
// 關閉URL請求
curl_close($curl);

3、通過正則匹配找到關鍵數(shù)據(jù)

復制代碼 代碼如下:

//$data是curl_exec返回的的值，即采集的目標內容
preg_match_all("/<li class=\"item\">(.*?)<\/li>/",$data, $out, PREG_SET_ORDER);
foreach($out as $key => $value){
    //此處$value是數(shù)組，同時記錄找到帶匹配字符的整句和單獨匹配的字符
    echo '匹配到的整句：'.$value[0].'
';
    echo '單獨匹配到的：'.$value[1].'
';
}

技巧

1、超時的相關設置

通過curl_setopt($ch, opt) 可以設置一些超時的設置，主要包括：

CURLOPT_TIMEOUT 設置cURL允許執(zhí)行的最長秒數(shù)。
CURLOPT_TIMEOUT_MS 設置cURL允許執(zhí)行的最長毫秒數(shù)。 (在cURL 7.16.2中被加入。從PHP 5.2.3起可使用。 )
CURLOPT_CONNECTTIMEOUT 在發(fā)起連接前等待的時間，如果設置為0，則無限等待。
CURLOPT_CONNECTTIMEOUT_MS 嘗試連接等待的時間，以毫秒為單位。如果設置為0，則無限等待。 在cURL 7.16.2中被加入。從PHP 5.2.3開始可用。
CURLOPT_DNS_CACHE_TIMEOUT 設置在內存中保存DNS信息的時間，默認為120秒。

復制代碼 代碼如下:

curl_setopt($ch, CURLOPT_TIMEOUT, 60);   //只需要設置一個秒的數(shù)量就可以
curl_setopt($ch, CURLOPT_NOSIGNAL, 1);    //注意，毫秒超時一定要設置這個
curl_setopt($ch, CURLOPT_TIMEOUT_MS, 200);  //超時毫秒，cURL 7.16.2中被加入。從PHP 5.2.3起可使用

2、通過post提交數(shù)據(jù)，保留cookie

復制代碼 代碼如下:

//以下摘抄一個例子過來，用于學習借鑒:
//Curl 模擬登錄 discuz 程序,適合DZ7.0

!extension_loaded('curl') && die('The curl extension is not loaded.');   

$discuz_url = 'http://www.lxvoip.com';//論壇地址   
$login_url = $discuz_url .'/logging.php?action=login';//登錄頁地址   
$get_url = $discuz_url .'/my.php?item=threads'; //我的帖子   

$post_fields = array();   
//以下兩項不需要修改   
$post_fields['loginfield'] = 'username';   
$post_fields['loginsubmit'] = 'true';   
//用戶名和密碼，必須填寫   
$post_fields['username'] = 'lxvoip';   
$post_fields['password'] = '88888888';   
//安全提問   
$post_fields['questionid'] = 0;   
$post_fields['answer'] = '';   
//@todo驗證碼   
$post_fields['seccodeverify'] = '';   

//獲取表單FORMHASH   
$ch = curl_init($login_url);   
curl_setopt($ch, CURLOPT_HEADER, 0);   
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);   
$contents = curl_exec($ch);   
curl_close($ch);   
preg_match('/<input\s*type="hidden"\s*name="formhash"\s*value="(.*?)"\s*\/>/i', $contents, $matches);   
if(!empty($matches)) {   
    $formhash = $matches[1];   
} else {   
    die('Not found the forumhash.');   
}   

//POST數(shù)據(jù)，獲取COOKIE   
$cookie_file = dirname(__FILE__) . '/cookie.txt';   
//$cookie_file = tempnam('/tmp');   
$ch = curl_init($login_url);   
curl_setopt($ch, CURLOPT_HEADER, 0);   
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);   
curl_setopt($ch, CURLOPT_POST, 1);   
curl_setopt($ch, CURLOPT_POSTFIELDS, $post_fields);   
curl_setopt($ch, CURLOPT_COOKIEJAR, $cookie_file);   
curl_exec($ch);   
curl_close($ch);   

//帶著上面得到的COOKIE獲取需要登錄后才能查看的頁面內容   
$ch = curl_init($get_url);   
curl_setopt($ch, CURLOPT_HEADER, 0);   
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 0);   
curl_setopt($ch, CURLOPT_COOKIEFILE, $cookie_file);   
$contents = curl_exec($ch);   
curl_close($ch);   

var_dump($contents);

看完上述內容，你們掌握利用curl怎么實現(xiàn)一個站外采集功能的方法了嗎？如果還想學到更多技能或想了解更多相關內容，歡迎關注億速云行業(yè)資訊頻道，感謝各位的閱讀！