十分钟带你了解PHP实现爬虫的过程

文字信息

我们尝试获取表的信息，这里，我们就用某校的课表来代替：

接下来我们就上代码：

a.php

 ?php  header( "Content-tyPE:text/htML;
    Charset=utf-8" );
     $ch = curl_init();
            $url ="表的链接";
            curl_setopt ( $ch , CURLOPT_USERAGENT ,"mozilla/5.0 (Windows NT 10.0;
     Win64;
     x64) Applewebkit/537.36 (KHTML, like Gecko) Chrome/53.0.2785.113 Safari/537.36" );
            curl_setopt($ch,CURLOPT_URL,$url);
            curl_setopt($ch, CURLOPT_RETURNtransfer, 1);
            $content=curl_exec($ch);
            preg_match_all("/td rowspan=\"\d\">
    (.*?)\/td>
    \ntd rowspan=\"\d\">
    (.*?)\/td>
    td rowspan=\"\d\" align=\"\w+\">
    (.*?)\/td>
    td rowspan=\"\d\" align=\"\w+\">
    (.*?)\/td>
    td>
    (.*?)\/td>
    \ntd>
    (.*?)\/td>
    td>
    (.*?)\/td>
    /",$content,$matchs,PREG_SET_ORDER);
    //匹配该表所用的正则        var_dump($matchs);
    

然后咱们就运行一下：

成功获取到课表；

图片获取

绝对链接

我们以百度图库的首页为例

b.php

  ?php  header( "Content-type:text/html;
    Charset=utf-8" );
          $ch = curl_inIT();
        $url="http://image.baidu.COM/";
        curl_setopt ( $ch , CURLOPT_USERAGENT ,"Mozilla/5.0 (Windows NT 10.0;
     Win64;
     x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/53.0.2785.113 Safari/537.36" );
        curl_setopt($ch,CURLOPT_URL,$url);
        curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
        $content=curl_exec($ch);
        $string=file_get_contents($url);
         preg_match_all("/img([^>
    ]*)\s*src=('|\")([^'\"]+)('|\")/",                     $string,$matches);
        $new_arr=array_unique($matches[3]);
     foreach($new_arr as $key){
             echo "img src=$key>
    ";
     }
    

然后，我们就获得了下面的页面：

相对链接

百度图库的图片的链接大部分是绝对链接，那么当我们遇到网页图片为相对链接的时候，我们该怎么处理呢？其实很简单，我们只需要将循环那部分改为

那么我们就可以同样在浏览器中输出图片了；

感谢大家的阅读，希望大家有所收益。

推荐教程：《php教程》

以上就是十分钟带你了解PHP实现爬虫的过程的详细内容，更多请关注其它相关文章！

声明：本文内容由网友自发贡献，本站不承担相应法律责任。对本内容有异议或投诉，请联系2913721942#qq.com核实处理，我们将尽快回复您，谢谢合作！