php抓取页面的几种方式，php采集数据的几种方式

php抓取页面的几种方式

在做一些天气预报或者RSS订阅的程序时，往往需要抓取非本地文件，一般情况下都是利用php模拟浏览器的访问，通过http请求访问url地址， 然后得到html源代码或者xml数据，得到数据我们不能直接输出，往往需要对内容进行提取，然后再进行格式化，以更加友好的方式显现出来。

下面简单说一下php抓取页面的几种方法及原理:

一、 PHP抓取页面的主要方法：

二、PHP解析html或xml代码主要方式：

    <?php 
    $url='http://t.qq.com'; 
    $lines_array=file($url); 
    $lines_string=implode('',$lines_array); 
    echo htmlspecialchars($lines_string);

使用file_get_contents和fopen必须空间开启allow_url_fopen。方法：编辑php.ini，设置 allow_url_fopen = On，allow_url_fopen关闭时fopen和file_get_contents都不能打开远程文件。

    <?php 
    $url='http://t.qq.com'; 
    $lines_string=file_get_contents($url); 
    echo htmlspecialchars($lines_string);

    <?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);

使用curl必须空间开启curl。方法：windows下修改php.ini，将extension=php_curl.dll前面的分号去掉，而且需 要拷贝ssleay32.dll和libeay32.dll到C:WINDOWSsystem32下；Linux下要安装curl扩展。

    <?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);

socket模式能否正确执行，也跟服务器的设置有关系，具体可以通过phpinfo查看服务器开启了哪些通信协议，比如我的本地php socket没开启http，只能使用udp测试一下了。

    <?php                                                                                                                                                
    $fp = fsockopen("udp://127.0.0.1", 13, $errno, $errstr)；
    if (!$fp) { 
        echo "ERROR: $errno - $errstr

"
    } else { 
        fwrite($fp, "
")
        echo fread($fp, 26)
        fclose($fp)
    }