十分钟带你了解PHP实现爬虫的过程

143 阅读 0 评论 95 点赞

我是靠谱客的博主可耐中心，最近开发中收集的这篇文章主要介绍十分钟带你了解PHP实现爬虫的过程，觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

文字信息

我们尝试获取表的信息，这里，我们就用某校的课表来代替：

接下来我们就上代码：

a.php

 <?php  header( "Content-type:text/html;Charset=utf-8" ); 
$ch = curl_init();        $url ="表的链接";
        curl_setopt ( $ch , CURLOPT_USERAGENT ,"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/53.0.2785.113 Safari/537.36" );
        curl_setopt($ch,CURLOPT_URL,$url);
        curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);        $content=curl_exec($ch);
        preg_match_all("/<td rowspan="d">(.*?)</td>n<td rowspan="d">(.*?)</td><td rowspan="d" align="w+">(.*?)</td><td rowspan="d" align="w+">(.*?)</td><td>(.*?)</td>n<td>(.*?)</td><td>(.*?)</td>/",$content,$matchs,PREG_SET_ORDER);//匹配该表所用的正则
        var_dump($matchs);
登录后复制

然后咱们就运行一下：

成功获取到课表；

图片获取

绝对链接

我们以百度图库的首页为例
这里写图片描述
b.php

  <?php  header( "Content-type:text/html;Charset=utf-8" );  


    $ch = curl_init();    $url="http://image.baidu.com/";
    curl_setopt ( $ch , CURLOPT_USERAGENT ,"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/53.0.2785.113 Safari/537.36" );
    curl_setopt($ch,CURLOPT_URL,$url);
    curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);    $content=curl_exec($ch);    $string=file_get_contents($url); 
    preg_match_all("/<img([^>]*)s*src=('|")([^'"]+)('|")/", 
                    $string,$matches);    $new_arr=array_unique($matches[3]);     foreach($new_arr as $key){ 
        echo "<img src=$key>";
     }
登录后复制

然后，我们就获得了下面的页面：