php实战之使用curl抓取网站数据
2015-11-01 15:41
411 查看
之前做过一个网站数据抓取的工作,让我充分感受到了计算机科学的生产力。之前为了抓取网站源数据的数据,我们公司只能依靠人多力量大的方式,一点一点从源网站抠,整整干了三天,干得头昏脑涨,听老板说以前有php人员抓取过数据,但是抓取的数据不理想,不能入库,只能换成人工的了。趁着学习这段时间,整了整这个项目,不负有心人。在研究源数据网站的数据传输方式以后,突然发现,原来获取这些数据如此简单:程序源码如下:
这里主要用到了curl库,在刚开始用的时候,程序显示curl_init()不可用,但是这是已经将php的curl扩展打开了,后来百度知道,原来是在window目录下少了libeay32.dll、ssleay32.dll这两个文件,将这两个文件从php/ext 复制到windows 的system32目录下,然后重启Apache就可以了。
<?php header("content-type:text/html;charset=utf-8"); ini_set('max_execution_time', 300); function getScholar($start,$end){ $result = array(); for($i=$start;$i<$end;$i++){ $url = "http://****.gov.cn*****"; $post_data = array ( "currentPage" => $i,//当前页 "pageSize" =>7 , ); $ch = curl_init(); curl_setopt($ch, CURLOPT_URL, $url); curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1); // 我们在POST数据哦! curl_setopt($ch, CURLOPT_POST, 1); // 把post的变量加上 curl_setopt($ch, CURLOPT_POSTFIELDS, $post_data); $output = curl_exec($ch); $output_json = json_decode($output); curl_close($ch); //var_dump($output_json); //die(); foreach($output_json->projectList as $k => $v){ $result[$v->code][]=$v->code; $result[$v->code][]=$v->name; }; } $end_end = $end-1; $fp = fopen("output-{$start}-{$end_end}.csv",'w');//打开文件 foreach ($result as $v){ ob_clean(); if(fputcsv($fp,$v)===false){//加数组数据放到csv文件中 die("can't write csv line"); } } fclose($fp) or die("can't close scholar.csv"); if(count($result)!=($end-$start)*7){ echo "数据出现错误"; echo "<br/>"; echo count($result); exit; } echo "数据抓取完成,共抓取到".count($result)."条记录"; } getScholar(3950,4000);//读取3950-4000页的数据
这里主要用到了curl库,在刚开始用的时候,程序显示curl_init()不可用,但是这是已经将php的curl扩展打开了,后来百度知道,原来是在window目录下少了libeay32.dll、ssleay32.dll这两个文件,将这两个文件从php/ext 复制到windows 的system32目录下,然后重启Apache就可以了。
相关文章推荐
- 国外PHP学习网站书籍资料汇总
- Intel- 64 与 IA-32架构软件开发人员手册 中文版
- Intel- 64 与 IA-32架构软件开发人员手册 中文版
- Intel- 64 与 IA-32架构软件开发人员手册 中文版
- Intel- 64 与 IA-32架构软件开发人员手册 中文版
- Intel- 64 与 IA-32架构软件开发人员手册 中文版
- Intel- 64 与 IA-32架构软件开发人员手册 中文版
- Intel- 64 与 IA-32架构软件开发人员手册 中文版
- Intel- 64 与 IA-32架构软件开发人员手册 中文版
- java分层架构概念
- 【疯狂的架构】牛公司组织结构图一览:华为,阿里,腾讯,百度,新浪……
- WIN7 部署IIS网站
- 电商搜索引擎的架构设计和性能优化
- Android项目重构之路:架构篇
- 从腾讯QQgame高性能服务器集群架构看“分而治之”与“自治”等分布式架构设计原则
- 一些有用的网站
- 关于软件架构的思考
- 轻开纯HTML5的公司网站介绍
- 在Windows2008上部署网站-以ACCESS 数据库的网站
- C++ 代码模拟登录淘宝、天猫、支付宝等电商网站的实现