十分钟带你理解PHP实现爬虫的历程
发布时间:09/01 来源:未知 浏览:
关键词:
文字信息
我们尝试猎取表的信息,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);
然后咱们就运转一下:
成功猎取到课表;
图片猎取
绝对链接
我们以baidu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>"; }
然后,我们就获得了下面的页面:
相对链接
baidu图库的图片的链接大部分是绝对链接,那么当我们碰到网页图片为相对链接的时候,我们该如何处置呢?其实很简便,我们只需要将轮回那部分改为
那么我们就可以一样在阅读器中输出图片了;
感激大家的阅读,但愿大家有所收益。
引荐教程:《php教程》
以上就是十分钟带你理解PHP实现爬虫的历程的具体内容,更多请关注百分百源码网其它相关文章!