如何用十分钟掌握PHP编写爬虫的技巧？

本文共计559个文字，预计阅读时间需要3分钟。

信息采集+我们尝试获取表的信息，这里，我们用某学校的课程表来替代：+代码如下：+a.php?php+header('Content-type:text/;Charset=utf-8');+$ch=curl_init();+$url=表链接;+curl_setopt($ch,...)

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>\n<td rowspan=\"\d\">(.*?)<\/td><td rowspan=\"\d\" align=\"\w+\">(.*?)<\/td><td rowspan=\"\d\" align=\"\w+\">(.*?)<\/td><td>(.*?)<\/td>\n<td>(.*?)<\/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="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。