在做一些天氣預(yù)報(bào)或者RSS訂閱的程序時(shí)，往往需要抓取非本地文件，一般情況下都是利用php模擬瀏覽器的訪問(wèn)，通過(guò)http請(qǐng)求訪問(wèn)url地址， 然后得到html源代碼或者xml數(shù)據(jù)，得到數(shù)據(jù)我們不能直接輸出，往往需要對(duì)內(nèi)容進(jìn)行提取，然后再進(jìn)行格式化，以更加友好的方式顯現(xiàn)出來(lái)。
下面先簡(jiǎn)單說(shuō)一下本文的主要內(nèi)容：
一、 PHP抓取頁(yè)面的主要方法：
1. file()函數(shù) 2. file_get_contents()函數(shù) 3. fopen()->fread()->fclose()模式 4.curl方式 5. fsockopen()函數(shù) socket模式 6. 使用插件(如：http://sourceforge.net/projects/snoopy/)
二、PHP解析html或xml代碼主要方式：
1. 正則表達(dá)式 2. PHP DOMDocument對(duì)象 3. 插件(如：PHP Simple HTML DOM Parser)
如果你對(duì)以上內(nèi)容已經(jīng)很了解，以下內(nèi)容可以飄過(guò)……
PHP抓取頁(yè)面
1. file()函數(shù)
<?php
$url='http://t.qq.com';
$lines_array=file($url);
$lines_string=implode('',$lines_array);
echo htmlspecialchars($lines_string);
?>
2. file_get_contents()函數(shù)
使用file_get_contents和fopen必須空間開(kāi)啟allow_url_fopen。方法：編輯php.ini，設(shè)置 allow_url_fopen = On，allow_url_fopen關(guān)閉時(shí)fopen和file_get_contents都不能打開(kāi)遠(yuǎn)程文件。
<?php
$url='http://t.qq.com';
$lines_string=file_get_contents($url);
echo htmlspecialchars($lines_string);
?>
3. fopen()->fread()->fclose()模式
<?php
$url='http://t.qq.com';
$handle=fopen($url,"rb");
$lines_string="";
do{
$data=fread($handle,1024);
if(strlen($data)==0){break;}
$lines_string.=$data;
}while(true);
fclose($handle);
echo htmlspecialchars($lines_string);
?>
4. curl方式
使用curl必須空間開(kāi)啟curl。方法：windows下修改php.ini，將extension=php_curl.dll前面的分號(hào)去掉，而且需 要拷貝ssleay32.dll和libeay32.dll到C:\WINDOWS\system32下；Linux下要安裝curl擴(kuò)展。
<?php
$url='http://t.qq.com';
$ch=curl_init();
$timeout=5;
curl_setopt($ch, CURLOPT_URL, $url);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
curl_setopt($ch, CURLOPT_CONNECTTIMEOUT, $timeout);
$lines_string=curl_exec($ch);
curl_close($ch);
echo htmlspecialchars($lines_string);
?>
5. fsockopen()函數(shù) socket模式
socket模式能否正確執(zhí)行，也跟服務(wù)器的設(shè)置有關(guān)系，具體可以通過(guò)phpinfo查看服務(wù)器開(kāi)啟了哪些通信協(xié)議，比如我的本地php socket沒(méi)開(kāi)啟http，只能使用udp測(cè)試一下了。
<?php
$fp = fsockopen("udp://127.0.0.1", 13, $errno, $errstr);
if (!$fp) {
echo "ERROR: $errno - $errstr<br />\n";
} else {
fwrite($fp, "\n");
echo fread($fp, 26);
fclose($fp);
}
?>
6. 插件
網(wǎng)上應(yīng)該有比較多的插件，snoopy插件是在網(wǎng)上搜到的，有興趣的可以研究一下。
PHP解析xml(html)
1. 正則表達(dá)式：
<?php
$url='http://t.qq.com';
$lines_string=file_get_contents($url);
eregi('<title>(.*)</title>',$lines_string,$title);
echo htmlspecialchars($title[0]);
?>
2. PHP DOMDocument()對(duì)象
如果遠(yuǎn)程的html或xml存在語(yǔ)法錯(cuò)誤，php在解析dom的時(shí)候會(huì)報(bào)錯(cuò)。
<?php
$url='http://www.136web.cn';
$html=new DOMDocument();
$html->loadHTMLFile($url);
$title=$html->getElementsByTagName('title');
echo $title->item(0)->nodeValue;
?>
3. 插件
本文以PHP Simple HTML DOM Parser為例，進(jìn)行簡(jiǎn)單介紹，simple_html_dom的語(yǔ)法類似jQuery，它讓php操作dom，就像使用jQuery操作dom一樣的簡(jiǎn)單。
<?php
$url='http://t.qq.com';
include_once('../simplehtmldom/simple_html_dom.php');
$html=file_get_html($url);
$title=$html->find('title');
echo $title[0]->plaintext;
?>
當(dāng)然中國(guó)人是富有創(chuàng)造性的，老外往往會(huì)在技術(shù)上領(lǐng)先，但中國(guó)人往往會(huì)在使用上更勝一籌，往往做出一些讓老外不敢想的功能，比如php的遠(yuǎn)程抓取與分 析，本來(lái)是為數(shù)據(jù)的整合提供方便。但國(guó)人很喜歡這個(gè)，于是乎大量的采集站，它們本身不創(chuàng)造任何有價(jià)值的內(nèi)容，就是靠抓取別人的網(wǎng)站內(nèi)容，并把它據(jù)為己有。 在百度里輸入“php小”關(guān)鍵詞，suggest列表第一個(gè)就是“php小偷程序”，然后把同樣的關(guān)鍵詞放入google，哥只能笑而不語(yǔ)。