掌握PHP 爬取网页的主要方法
发布时间：2025-07-21 点击：20
主要流程就是获取整个网页，然后正则匹配（关键的）。
php抓取页面的主要方法,有几种方法是网上前辈的经验，现在还没有用到的，先存下来以后试试。
1.file()函数
2.file_get_contents()函数
3.fopen()->fread()->fclose()模式
4.curl方式 （本人主要用这个）
5.fsockopen()函数 socket模式
6.插件(如：http://sourceforge.net/projects/snoopy/)
7.file()函数
<?php//定义url$url='[http://t.qq.com](http://t.qq.com/)';//fiel函数读取内容数组$lines_array=file($url);//拆分数组为字符串$lines_string=implode('',$lines_array);//输出内容echo $lines_string; 2.使用file_get_contents方法实现，比较简单。
使用file_get_contents和fopen必须空间开启allow_url_fopen。方法：编辑php.ini，设置 allow_url_fopen = on，allow_url_fopen关闭时fopen和file_get_contents都不能打开远程文件。
$url="[http://news.sina.com.cn/c/nd/2016-10-23/doc-ifxwztru6951143.shtml](http://news.sina.com.cn/c/nd/2016-10-23/doc-ifxwztru6951143.shtml)";$html=file_get_contents($url);//如果出现中文乱码使用下面代码`//$getcontent = iconv("gb2312", "utf-8",$html);echo"<textarea style='width:800px;height:600px;'>".$html."</textarea>";3.fopen()->fread()->fclose()模式 ，目前还没用过，看到了就先记下了
<?php//定义url$url='[http://t.qq.com](http://t.qq.com/)';//fopen以二进制方式打开 $handle=fopen($url,"rb");//变量初始化$lines_string="";//循环读取数据do{$data=fread($handle,1024); if(strlen($data)==0) {`break; } $lines_string.=$data;}while(true);//关闭fopen句柄，释放资源fclose($handle);//输出内容echo $lines_string;4.使用curl实现（本人一般使用这个）。
使用curl必须空间开启curl。方法：windows下修改php.ini，将extension=php_curl.dll前面的分号去掉，而且需 要拷贝ssleay32.dll和libeay32.dll到c:\\\\windows\\\\system32下；linux下要安装curl扩展。
<?phpheader("content-type: text/html;charset=utf-8");date_default_timezone_set('prc');$url = "https://*ycare";//要爬取的网址$res = curl_get_contents($url);//curl封装方法preg_match_all('/<script>(.*?)<\\\\/script>/',$res,$arr_all);//这个网页中数据通过js包过来，所以直接抓js就可以preg_match_all('/"id"\\\\:"(.*?)",/',$arr_all[1][1],$arr1);//从js块中匹配要的数据$list = array_unique($arr1[1]);//（可省）保证不重复//以下则是同理，循环则可for($i=0;$i<=6;$i=$i 2){ $detail_url = 'ht*em/'.$list[$i]; $detail_res = curl_get_contents($detail_url); preg_match_all('/<script>(.*?)<\\\\/script>/',$detail_res,$arr_detail); preg_match('/"desc"\\\\:"(.*?)",/',$arr_detail[1][1],$arr_content); * * * $ret=curl_post('http://cms.php',$result);//此脚本未放在服务器上，原因大家懂就好哈。}function curl_get_contents($url,$cookie='',$referer='',$timeout=300,$ishead=0) { $curl = curl_init(); curl_setopt($curl, curlopt_returntransfer,1); curl_setopt($curl, curlopt_followlocation,1); curl_setopt($curl, curlopt_url,$url); curl_setopt($curl, curlopt_timeout,$timeout); curl_setopt($curl, curlopt_useragent,'mozilla/5.0 (windows nt 6.1; wow64) applewebkit/537.36 (khtml, like gecko) chrome/65.0.3325.181 safari/537.36'); if($cookie) { curl_setopt( $curl, curlopt_cookie,$cookie); } if($referer) { curl_setopt ($curl,curlopt_referer,$referer); } $ssl = substr($url, 0, 8) == "https://" ? true : false; if ($ssl) { curl_setopt($curl, curlopt_ssl_verifyhost, false); curl_setopt($curl, curlopt_ssl_verifypeer, false); } $res = curl_exec($curl); return $res; curl_close($curl);}//curl post数据到服务器function curl_post($url,$data){ $ch = curl_init(); curl_setopt($ch,curlopt_returntransfer,1); //curl_setopt($ch,curlopt_followlocation, 1); curl_setopt($ch, curlopt_ssl_verifypeer, false); curl_setopt($ch,curlopt_useragent,'mozilla/5.0 (windows nt 6.1; wow64) applewebkit/537.36 (khtml, like gecko) chrome/65.0.3325.181 safari/537.36'); curl_setopt($ch,curlopt_url,$url); curl_setopt($ch,curlopt_post,true); curl_setopt($ch,curlopt_postfields,$data); $output = curl_exec($ch); curl_close($ch); return $output; }?>5.fsockopen()函数 socket模式（没用过，以后可以试试）
socket模式能否正确执行，也跟服务器的设置有关系，具体可以通过phpinfo查看服务器开启了哪些通信协议
<?php$fp = fsockopen("t.qq.com", 80, $errno, $errstr, 30)
很多人不懂域名怎么办？注册域名怎么做？
小程序分销的终极玩法！
电脑中使用必应搜索不显示缩略图的三种解决方法
电脑如何刻录光盘|电脑刻录光盘的方法和步骤
RAKsmart美国G口服务器九月促销低至199美元
备案转入海外主机-备案平台
如何做一个网页吸引访问流量
||该云建站需要添加以上代码
php抓取页面的主要方法,有几种方法是网上前辈的经验，现在还没有用到的，先存下来以后试试。
1.file()函数
2.file_get_contents()函数
3.fopen()->fread()->fclose()模式
4.curl方式 （本人主要用这个）
5.fsockopen()函数 socket模式
6.插件(如：http://sourceforge.net/projects/snoopy/)
7.file()函数
<?php//定义url$url='[http://t.qq.com](http://t.qq.com/)';//fiel函数读取内容数组$lines_array=file($url);//拆分数组为字符串$lines_string=implode('',$lines_array);//输出内容echo $lines_string; 2.使用file_get_contents方法实现，比较简单。
使用file_get_contents和fopen必须空间开启allow_url_fopen。方法：编辑php.ini，设置 allow_url_fopen = on，allow_url_fopen关闭时fopen和file_get_contents都不能打开远程文件。
$url="[http://news.sina.com.cn/c/nd/2016-10-23/doc-ifxwztru6951143.shtml](http://news.sina.com.cn/c/nd/2016-10-23/doc-ifxwztru6951143.shtml)";$html=file_get_contents($url);//如果出现中文乱码使用下面代码`//$getcontent = iconv("gb2312", "utf-8",$html);echo"<textarea style='width:800px;height:600px;'>".$html."</textarea>";3.fopen()->fread()->fclose()模式 ，目前还没用过，看到了就先记下了
<?php//定义url$url='[http://t.qq.com](http://t.qq.com/)';//fopen以二进制方式打开 $handle=fopen($url,"rb");//变量初始化$lines_string="";//循环读取数据do{$data=fread($handle,1024); if(strlen($data)==0) {`break; } $lines_string.=$data;}while(true);//关闭fopen句柄，释放资源fclose($handle);//输出内容echo $lines_string;4.使用curl实现（本人一般使用这个）。
使用curl必须空间开启curl。方法：windows下修改php.ini，将extension=php_curl.dll前面的分号去掉，而且需 要拷贝ssleay32.dll和libeay32.dll到c:\\\\windows\\\\system32下；linux下要安装curl扩展。
<?phpheader("content-type: text/html;charset=utf-8");date_default_timezone_set('prc');$url = "https://*ycare";//要爬取的网址$res = curl_get_contents($url);//curl封装方法preg_match_all('/<script>(.*?)<\\\\/script>/',$res,$arr_all);//这个网页中数据通过js包过来，所以直接抓js就可以preg_match_all('/"id"\\\\:"(.*?)",/',$arr_all[1][1],$arr1);//从js块中匹配要的数据$list = array_unique($arr1[1]);//（可省）保证不重复//以下则是同理，循环则可for($i=0;$i<=6;$i=$i 2){ $detail_url = 'ht*em/'.$list[$i]; $detail_res = curl_get_contents($detail_url); preg_match_all('/<script>(.*?)<\\\\/script>/',$detail_res,$arr_detail); preg_match('/"desc"\\\\:"(.*?)",/',$arr_detail[1][1],$arr_content); * * * $ret=curl_post('http://cms.php',$result);//此脚本未放在服务器上，原因大家懂就好哈。}function curl_get_contents($url,$cookie='',$referer='',$timeout=300,$ishead=0) { $curl = curl_init(); curl_setopt($curl, curlopt_returntransfer,1); curl_setopt($curl, curlopt_followlocation,1); curl_setopt($curl, curlopt_url,$url); curl_setopt($curl, curlopt_timeout,$timeout); curl_setopt($curl, curlopt_useragent,'mozilla/5.0 (windows nt 6.1; wow64) applewebkit/537.36 (khtml, like gecko) chrome/65.0.3325.181 safari/537.36'); if($cookie) { curl_setopt( $curl, curlopt_cookie,$cookie); } if($referer) { curl_setopt ($curl,curlopt_referer,$referer); } $ssl = substr($url, 0, 8) == "https://" ? true : false; if ($ssl) { curl_setopt($curl, curlopt_ssl_verifyhost, false); curl_setopt($curl, curlopt_ssl_verifypeer, false); } $res = curl_exec($curl); return $res; curl_close($curl);}//curl post数据到服务器function curl_post($url,$data){ $ch = curl_init(); curl_setopt($ch,curlopt_returntransfer,1); //curl_setopt($ch,curlopt_followlocation, 1); curl_setopt($ch, curlopt_ssl_verifypeer, false); curl_setopt($ch,curlopt_useragent,'mozilla/5.0 (windows nt 6.1; wow64) applewebkit/537.36 (khtml, like gecko) chrome/65.0.3325.181 safari/537.36'); curl_setopt($ch,curlopt_url,$url); curl_setopt($ch,curlopt_post,true); curl_setopt($ch,curlopt_postfields,$data); $output = curl_exec($ch); curl_close($ch); return $output; }?>5.fsockopen()函数 socket模式（没用过，以后可以试试）
socket模式能否正确执行，也跟服务器的设置有关系，具体可以通过phpinfo查看服务器开启了哪些通信协议
<?php$fp = fsockopen("t.qq.com", 80, $errno, $errstr, 30)
很多人不懂域名怎么办？注册域名怎么做？
小程序分销的终极玩法！
电脑中使用必应搜索不显示缩略图的三种解决方法
电脑如何刻录光盘|电脑刻录光盘的方法和步骤
RAKsmart美国G口服务器九月促销低至199美元
备案转入海外主机-备案平台
如何做一个网页吸引访问流量
||该云建站需要添加以上代码