在php中采集数据最常用的就是使用curl函数来操作,因为curl函数是高性能并且多线程功能,下面我来介绍一个php采集程序,各位同学有需要可进入参考.

php里常用的远程采集函数,代码如下:

1. /**  
2.  * 获取远程url的内容  
3.  * @param string $url  
4.  * @return string  
5.  */ 
6. function get_url_content($url) {  
7.   if(function_exists(curl_init)) {  
8.     $ch = curl_init();  
9.     $timeout = 5;  
10.     curl_setopt ($ch, CURLOPT_URL, $url);  
11.     curl_setopt ($ch, CURLOPT_RETURNTRANSFER, 1);  
12.     curl_setopt ($ch, CURLOPT_CONNECTTIMEOUT, $timeout);  
13.     curl_setopt ($ch, CURLOPT_TIMEOUT, $timeout);  
14.     //开源代码phpfensi.com 
15.     $file_contents = curl_exec($ch);  
16.     curl_close($ch);  
17.   } else {  
18.     $file_contents = file_get_contents($url);  
19.   }  
20.    
21.   return $file_contents;  
22. } 

调用方法,代码如下:

1. $url = 'http://www.phpfensi.com';  
2. $a = get_url_content($url);  
3. echo $a; 

上面只是一个简单的实例,如果我们想应用可参考我自己写的采集程序了.

1,获取目标网页数据;2,截取相关内容;3,写入数据库/生成HMTL文件;

下面就按照步骤来试试!

获取目标网页数据 

1, 确定好,要获取的网页地址甚至形式,这里我们采用的网址是:/index.html?pageconfig=catalog_byproducttype&intProductTypeID=1&strStartChar=A&intResultsPage=1&tr=59,这个页面是有分页的,根据规律,我们找到只需要改变page参数就可以翻页!即:我们的网页形式是:/index.html?pageconfig=catalog_byproducttype& amp;intProductTypeID=1&strStartChar=A&intResultsPage= NUMBER &tr=59

红色部分是当前页码对应值!只需要改变该值就可以了!

2,获取页面内容:自然要用到PHP函数了!这里,两个函数都可以!他们分别是:

file_get_contents() 把整个文件读入一个字符串中。和 file() 一样，不同的是file_get_contents() 把文件读入一个字符串。file_get_contents() 函数是用于将文件的内容读入到一个字符串中的首选方法。如果操作系统支持，还会使用内存映射技术来增强性能。语法: file_get_contents( path , include_path , context , start , max_length ) curl() 了解详细,请参阅官网文档:http://cn.php.net/curl fopen()函数打开文件或者 URL。如果打开失败，本函数返回 FALSE。语法: fopen(filename,mode,include_path,context)当然,我们采用的是第一个!其实,所有的都差不多,有兴趣的童子可以常识常识其他的!代码如下:

1. <?php 
2. $oldcontent = file_get_contents(“http://www.abcam.cn/index.html?pageconfig=catalog_byproducttype&intProductTypeID=1&strStartChar=A&intResultsPage=2&tr=59”); 
3. echo $oldcontent; 
4. ?> 

运行PHP程序,上面的代码可以显示出整个网页!由于原网页采用的是绝地路径,所以现在显示的效果和原来的是一模一样的!

接下来就是要,截取内容了!截取内容的方法也有很多,今天介绍的一种比较简单,代码如下:

1. <?php 
2. $oldcontent = file_get_contents(“http://www.abcam.cn/index.html?pageconfig=catalog_byproducttype&intProductTypeID=1&strStartChar=A&intResultsPage=2&tr=59″); 
3. $oldcontent; 
4. $pfirst = ‘<table border=”0″ cellspacing=”0″ cellpadding=”0″> <tr> <th style=”padding-left: 0px;”><p style=”font-size:12px”><strong>Code</strong></p></th>’; 
5. $plast = ‘Goat polyclonal’; 
6. $b= strpos($oldcontent,$pfirst); 
7. $c= strpos($oldcontent,$plast); 
8. echo substr($oldcontent,$b,$c-1); 
9. ?> 

输出的,即为所需要的结果,写入数据库和写入文件都是比较简单的,这里就写入文件了,代码如下:

1. <?php 
2. $oldcontent = file_get_contents(“index.html?pageconfig=catalog_byproducttype&intProductTypeID=1&strStartChar=A&intResultsPage=2&tr=59″); 
3. $oldcontent; 
4. $pfirst = ‘<table border=”0″ cellspacing=”0″ cellpadding=”0″> <tr> <th style=”padding-left: 0px;”><p style=”font-size:12px”><strong>Code</strong></p></th>’; 
5. $plast = ‘Goat polyclonal’; 
6. $b= strpos($oldcontent,$pfirst); 
7. $c= strpos($oldcontent,$plast); 
8. $a = substr($oldcontent,$b,$c-1); 
9. $file = date(‘YmdHis’).”.html”; 
10. $fp = fopen($file,”w+”); 
11. if(!is_writable($file)){ 
12. die(“File “.$file.” can not be written”); 
13. } 
14. else { 
15. file_put_contents($file, $a); 
16. echo “success”; 
17. } 
18. fclose($fp); 
19. ?> 
20.  

出处：http://www.phpfensi.com/php/20140827/4865.html