利用cURL抓取网页

使用PHP的cURL库能够简单和有效地去抓网页。你只须要运行一个脚本，而后分析一下你所抓取的网页，而后就能够以程序的方式获得你想要的数据 了。不管是你想从从一个连接上取部分数据，或是取一个XML文件并把其导入数据库，那怕就是简单的获取网页内容，cURL 是一个功能强大的PHP库。本文主要讲述若是使用这个PHP库。

启用 cURL 设置

首先，咱们得先要肯定咱们的PHP是否开启了这个库，你能够经过使用php_info()函数来获得这一信息。

<?php
phpinfo();
?>

若是你能够在网页上看到下面的输出，那么表示cURL库已被开启。

若是你看到的话，那么你须要设置你的PHP并开启这个库。若是你是在Windows平台下，那么很是简单，你须要改一改你的php.ini文件的设置，找到php_curl.dll，并取消前面的分号注释就好了。以下所示：

//取消下在的注释
extension=php_curl.dll

若是你是在Linux下面，那么，你须要从新编译你的PHP了，编辑时，你须要打开编译参数——在configure命令上加上“–with-curl” 参数。

一个小示例

若是一切就绪，下面是一个小例程：

<?php
// 初始化一个 cURL 对象
$curl = curl_init();

// 设置你须要抓取的URL
curl_setopt($curl, CURLOPT_URL, 'http://cocre.com');

// 设置header
curl_setopt($curl, CURLOPT_HEADER, 1);

// 设置cURL 参数，要求结果保存到字符串中仍是输出到屏幕上。
curl_setopt($curl, CURLOPT_RETURNTRANSFER, 1);

// 运行cURL，请求网页
$data = curl_exec($curl);

// 关闭URL请求
curl_close($curl);

// 显示得到的数据
var_dump($data);
?>

如何POST数据

上面是抓取网页的代码，下面则是向某个网页POST数据。假设咱们有一个处理表单的网址http://www.oschina.net/sendSMS.php，其能够接受两个表单域，一个是电话号码，一个是短信内容。

<?php
$phoneNumber = '13912345678';
$message = 'This message was generated by curl and php';
$curlPost = 'pNUMBER=' . urlencode($phoneNumber) . '&MESSAGE=' . urlencode($message) . '&SUBMIT=Send';
$ch = curl_init();
curl_setopt($ch, CURLOPT_URL, 'http://www.oschina.net/sendSMS.php');
curl_setopt($ch, CURLOPT_HEADER, 1);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
curl_setopt($ch, CURLOPT_POST, 1);
curl_setopt($ch, CURLOPT_POSTFIELDS, $curlPost);
$data = curl_exec();curl_close($ch);
?>

从上面的程序咱们能够看到，使用CURLOPT_POST设置HTTP协议的POST方法，而不是GET方法，而后以CURLOPT_POSTFIELDS设置POST的数据。

关于代理服务器

下面是一个如何使用代理服务器的示例。请注意其中高亮的代码，代码很简单，我就不用多说了。

<?php
$ch = curl_init();
curl_setopt($ch, CURLOPT_URL, 'http://www.oschina.net');
curl_setopt($ch, CURLOPT_HEADER, 1);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
curl_setopt($ch, CURLOPT_HTTPPROXYTUNNEL, 1);
curl_setopt($ch, CURLOPT_PROXY, 'fakeproxy.com:1080');
curl_setopt($ch, CURLOPT_PROXYUSERPWD, 'user:password');
$data = curl_exec();curl_close($ch);
?>

关于SSL和Cookie

关于SSL也就是HTTPS协议，你只须要把CURLOPT_URL链接中的http://变成https://就能够了。固然，还有一个参数叫CURLOPT_SSL_VERIFYHOST能够设置为验证站点。

关于Cookie，你须要了解下面三个参数：

CURLOPT_COOKIE，在当面的会话中设置一个cookie

CURLOPT_COOKIEJAR，当会话结束的时候保存一个Cookie

CURLOPT_COOKIEFILE，Cookie的文件。

HTTP服务器认证

最后，咱们来看一看HTTP服务器认证的状况。

<?php
$ch = curl_init();
curl_setopt($ch, CURLOPT_URL, 'http://www.oschina.net');
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
curl_setopt($ch, CURLOPT_HTTPAUTH, CURLAUTH_BASIC);
curl_setopt(CURLOPT_USERPWD, '[username]:[password]')

$data = curl_exec();
curl_close($ch);
?>

关于其它更多的内容，请参看相关的cURL手册。