PHP抓取当前页面源代码的实现方法及技巧

php$url =;$html = filegetcontents($url);echo $html;

这段标识符将会输入选定URL相关联的HTML源码。

二、导出HTML

获得网页源码后，他们须要由此抽取所需的重要信息。这时就须要加进HTML解释器了。在PHP中，有多种不同HTML解释器可选配，比如说DOMDocument、SimpleHTMLDOM等。

以SimpleHTMLDOM为例，它能采用类似于jQuery的句法来优先选择和操作方式HTML原素。比如：

phpinclude(simplehtmldom.php);$url =;$html = filegethtml($url);$title =$html->find(title,0)->innertext;echo $title;

这段标识符Sonbhadra输入选定URL相关联的网页标题。

三、处置配置文件递交

下列是两个采用cURL递交配置文件的实例：

php$url =;$fields = array(username=>yourusername,password=>yourpassword);$ch = curlinit();curlsetopt($ch, CURLOPTURL,$url);curlsetopt($ch, CURLOPTPOST, true);curlsetopt($ch, CURLOPTPOSTFIELDS, httpbuildquery($fields));curlsetopt($ch, CURLOPTRETURNTRANSFER, true);$response = curlexec($ch);curlclose($ch);echo $response;

这段标识符Sonbhadra模拟登录选定的网站，并输入登录后返回的网页内容。

四、采用代理

有时候，他们须要采用代理来访问目标网站，以避免被封禁IP。在PHP中，能采用cURL库来同时实现代理访问。比如：

php$url =;$proxy =10.10.1.10:3128;$ch = curlinit();curlsetopt($ch, CURLOPTURL,$url);curlsetopt($ch, CURLOPTPROXY,$proxy);$response = curlexec($ch);curlclose($ch);echo $response;

这段标识符Sonbhadra通过选定的代理服务器访问目标网站。

五、处置Cookie

有些网站须要采用Cookie来维持登录状态或者记录用户行为。在PHP中，能采用cURL库来处置Cookie。比如：

php$url =;$cookiefile =/tmp/cookie.txt;$ch = curlinit();curlsetopt($ch, CURLOPTURL,$url);curlsetopt($ch, CURLOPTCOOKIEJAR,$cookiefile);$response = curlexec($ch);curlclose($ch);echo $response;

这段标识符Sonbhadra在/tmp目录下保存Cookie文件，并在后续请求中采用该Cookie文件。

六、处置重定向

有些网站可能会进行重定向，比如说将HTTP请求重定向到HTTPS请求。在PHP中，能采用cURL库来处置重定向。比如：

php$url =;$ch = curlinit();curlsetopt($ch, CURLOPTURL,$url);curlsetopt($ch, CURLOPTFOLLOWLOCATION, true);$response = curlexec($ch);curlclose($ch);echo $response;

这段标识符Sonbhadra自动处置HTTP重定向，输入最终的网页内容。

七、采用正则表达式

如果要从网页源码中抽取某些重要信息，也能采用正则表达式来同时实现。下列是两个采用正则表达式抽取图片URL的实例：

php$url =;$html = filegetcontents($url);pregmatchall(/