【PHP-网页内容抓取】抓取网页内容的两种常用方法

说到网页内容的抓取，最常用的两种方式：

1.利用file_get_contents()函数，简简单单；

2.CURL抓取工具。CURL是一个非常强大的开源库，支持很多协议，包括HTTP、FTP、TELNET等，我们使用它来发送HTTP请求。它给我 们带来的好处是可以通过灵活的选项设置不同的HTTP协议参数，并且支持HTTPS。CURL可以根据URL前缀是“HTTP” 还是“HTTPS”自动选择是否加密发送内容。curl尤其是在api接口调用过程中用处广泛。

下面现说file_get_contents()函数，不多说，实例说话。

<?php
$url = 'http://www.smartbc.cn/jfdz/download.php?P_ID=57';
$s = file_get_contents($url);
echo bin2hex(substr($s, 0, 20));//
//bin2hex函数把包含数据的二进制字符串转换为十六进制值
上面程序的意思就是抓取某一网址下的下载文件的二进制内容。

之后，开始说下curl的使用，步骤如下：

1.初始化连接句柄；2.设置CURL选项；3.执行并获取结果；4.释放VURL连接句柄。

curl_init() 和 curl_close() 分别是初始化CURL连接和关闭CURL连接，都比较简单。
curl_exec() 执行CURL请求
CURL函数库里最重要的函数是curl_setopt(),它可以通过设定CURL函数库定义的选项来定制HTTP请求。
上述代码片段中使用了三个重要的选项：
CURLOPT_URL 指定请求的URL；
CURLOPT_RETURNTRANSFER 设置为1表示稍后执行的curl_exec函数的返回是URL的返回字符串，而不是把返回字符串定向到标准输出并返回TRUE；
CURLLOPT_HEADER设置为0表示不返回HTTP头部信息。

function http_curl($url,$type ='get', $res = 'json',$arr= '')
{//curl 获取工具
// 1.初始化curl
$ch = curl_init();
// 2.设置curl的参数

curl_setopt($ch, CURLOPT_URL, $url);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);

//curl_setopt($ch,CURLOPT_HEADER,0);
if ($type =='post') {
//curl_setopt($ch, CURLOPT_SSL_VERIFYPEER, false);
//curl_setopt($ch,CURLOPT_SSL_VERIFYHOST,false);
//curl_setopt($ch,CURLOPT_URL,1);
curl_setopt($ch,CURLOPT_POST,1);
curl_setopt($ch,CURLOPT_POSTFIELDS,$arr);
}
// 3.采集
$output = curl_exec($ch);

// 4.关闭
curl_close($ch);
if($res == 'json'){
// var_dump($output);
//echo curl_errno($ch);
if (curl_errno($ch)) {
//请求失败，返回错误信息
return curl_error($ch);
} else {
// 请求成功，返回json数组
//echo "json";
return json_decode($output,true);
}
}
}//上面这段代码是小编再进行微信公众平台开发时候，写的一个抓取函数，大家可以根据自己的需求进行修改。