概述十分钟带你了解PHP实现爬虫的过程
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);@H_419_27@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
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>"; }@H_419_27@然后,我们就获得了下面的页面:
相对链接
百度图库的图片的链接大部分是绝对链接,那么当我们遇到网页图片为相对链接的时候,我们该怎么处理呢?其实很简单,我们只需要将循环那部分改为
那么我们就可以同样在浏览器中输出图片了;
感谢大家的阅读,希望大家有所收益。
推荐教程:《php教程》 总结
以上是内存溢出为你收集整理的十分钟带你了解PHP实现爬虫的过程全部内容,希望文章能够帮你解决十分钟带你了解PHP实现爬虫的过程所遇到的程序开发问题。
如果觉得内存溢出网站内容还不错,欢迎将内存溢出网站推荐给程序员好友。
© 版权声明
THE END
请登录后查看评论内容