php模拟登陆抓取数据 php数据采集
php模拟session登陆的问题，数据采集
你用PHP模拟模拟浏览器发送HTTP协议就是可以登录了，不管是cookie，还是session! session 也是有session_id的！希望可以帮助你！
成都创新互联公司专注于井陉矿企业网站建设,成都响应式网站建设,商城开发。井陉矿网站建设公司,为井陉矿等地区提供建站服务。全流程按需求定制网站，专业设计，全程项目跟踪，成都创新互联公司专业和态度为您提供的服务
php模拟登陆抓取数据，无法用正则表达式匹配中文
header()函数是输出到HTTP头，和你这个问题是没有关系的。
真正相关的，是你的源代码的编码方式。
我举个例子，若源代码文件是采用UTF8编码，那么你在抓取到页面后，先要进行编码转换到UTF8！
如，使用iconv：
若抓取到的页面存放在$contents中：那么运行$contents=iconv('gb2312','utf-8//IGNORE',$contents);//参数中的IGNORE是忽略错误
这样再进行正则匹配才行。
当然匹配出来的结果也需要用UTF8来正常显示，所以header()那部分就不用去掉了。
用PHP模拟登陆抓取信息，当用PHPStorm配合MAMP测试可以正确返回，而用Submit配合Server却总是返回空
?php
echo ' web-root = '.$_SERVER['DOCUMENT_ROOT'].'br';
echo ' current-file = '.__FILE__.'br';
echo ' current-dir = '.dirname(__FILE__).'br';
echo ' http-root = '.$_SERVER['HTTP_HOST'].'br';
echo ' web-position = '.$_SERVER['PHP_SELF'].'br';
$file='c:/webroot/index.php';
echo ' file-position = '.$file.'br';
$fileWebAddress='http://'.str_replace($_SERVER['DOCUMENT_ROOT'],$_SERVER['HTTP_HOST'],$file);
echo ' file-web-position = '.$fileWebAddress.'br';
?
我用PHP模拟登陆了然后抓取了数据 怎么提前内容保存到数据库，看下面截图是抓取的网页数据
登陆后抓取所有的html代码。
然后通过正则匹配html标签来获取自己需要的东西，最主要的是你获取到html源码后，想要什么不就是看你需求了嘛，正则有问题可以继续问我。
php curl 模拟登录并获取数据实例详解
PHP的curl()在抓取网页的效率方面是比较高的，而且支持多线程，而file_get_contents()效率就要稍低些，当然，使用curl时需要开启下curl扩展。
代码实战
先来看登录部分的代码：
//模拟登录
function
login_post($url,
$cookie,
$post)
{
$curl
=
curl_init();//初始化curl模块
curl_setopt($curl,
CURLOPT_URL,
$url);//登录提交的地址
curl_setopt($curl,
CURLOPT_HEADER,
0);//是否显示头信息
curl_setopt($curl,
CURLOPT_RETURNTRANSFER,
0);//是否自动显示返回的信息
curl_setopt($curl,
CURLOPT_COOKIEJAR,
$cookie);
//设置Cookie信息保存在指定的文件中
curl_setopt($curl,
CURLOPT_POST,
1);//post方式提交
curl_setopt($curl,
CURLOPT_POSTFIELDS,
http_build_query($post));//要提交的信息
curl_exec($curl);//执行cURL
curl_close($curl);//关闭cURL资源，并且释放系统资源
}
函数login_post()首先初始化curl_init()，然后使用curl_setopt()设置相关选项信息，包括要提交的url地址，保存的cookie文件，post的数据（用户名和密码等信息），是否返回信息等等，然后curl_exec执行curl，最后curl_close()释放资源。注意PHP自带的http_build_query()可以将数组转换成相连接的字符串。
接下来如果登录成功后，我们要获取登录成功后的页面信息。
//登录成功后获取数据
function
get_content($url,
$cookie)
{
$ch
=
curl_init();
curl_setopt($ch,
CURLOPT_URL,
$url);
curl_setopt($ch,
CURLOPT_HEADER,
0);
curl_setopt($ch,
CURLOPT_RETURNTRANSFER,
1);
curl_setopt($ch,
CURLOPT_COOKIEFILE,
$cookie);
//读取cookie
$rs
=
curl_exec($ch);
//执行cURL抓取页面内容
curl_close($ch);
return
$rs;
}
函数get_content()中也是先初始化curl，然后设置相关选项，执行curl，释放资源。其中我们设置CURLOPT_RETURNTRANSFER为1即自动返回信息，而CURLOPT_COOKIEFILE可以读取到登录时保存的cookie信息，最后将页面内容返回。
我们的最终目的是要获取到模拟登录后的信息，也就是只有正常登录成功后才能获取的有用信息。接下来我们以登录开源中国的移动版为例，看看如何抓取到登录成功后的信息。
//设置post的数据
$post
=
array
(
'email'
=
'oschina账户',
'pwd'
=
'oschina密码',
'goto_page'
=
'/my',
'error_page'
=
'/login',
'save_login'
=
'1',
'submit'
=
'现在登录'
);
//登录地址
$url
=
"";
//设置cookie保存路径
$cookie
=
dirname(__FILE__)
.
'/cookie_oschina.txt';
//登录后要获取信息的地址
$url2
=
"";
//模拟登录
login_post($url,
$cookie,
$post);
//获取登录页的信息
$content
=
get_content($url2,
$cookie);
//删除cookie文件
@
unlink($cookie);
//匹配页面信息
$preg
=
"/td
class='portrait'(.*)\/td/i";
preg_match_all($preg,
$content,
$arr);
$str
=
$arr[1][0];
//输出内容
echo
$str;
使用总结
1、初始化curl；
2、使用curl_setopt设置目标url，和其他选项；
3、curl_exec，执行curl；
4、执行后，关闭curl；
5、输出数据。
感谢阅读，希望能帮助到大家，谢谢大家对本站的支持！
本文标题：php模拟登陆抓取数据 php数据采集
文章网址：http://scjbc.cn/article/dodjpgj.html
