php抓取网页数据实例(requiresPHP4Beta4+)$maxframes允许追踪的框架)

　　php抓取网页数据实例(requiresPHP4Beta4+)$maxframes允许追踪的框架)

　　$error报告错误的位置（如果有）

　　$response\ucode从服务器返回的响应代码

　　$headers从服务器返回的头信息

　　$MaxLength最大返回数据长度

　　$read_uuTimeout读取操作超时（需要PHP 4 beta 4+）

　　设置为0表示无超时

　　$timed_uuoout如果读取操作超时，则此属性返回true（需要PHP 4 beta 4+）

　　$maxframes允许跟踪的最大帧数

　　$Status获取的HTTP的状态

　　$temp\udir是web服务器可以写入的临时文件目录（/tmp）

　　$curl_uuPath是curl二进制文件的目录。如果没有curl二进制文件，则将其设置为false

　　这是演示

　　副本代码如下：

　　包括“Snoopy.class.php”

　　$snoopy=新的snoopy

　　$snoopy->proxy_uuhost=“”

　　$snoopy->proxy\uport=“8080”

　　$snoopy->agent=“（兼容；MSIE4.01；MSN2.5；AOL4.0；Windows 98)>”

　　$snoopy->referer=“”

　　$snoopy->cookies[“SessionID”]=238472834723489l

　　$snoopy->cookies[“favoriteColor”]=“红色”

　　$snoopy->rawheaders[“Pragma”]=“无缓存”

　　$snoopy->maxredirs=2

　　$snoopy->offsiteok=false

　　$snoopy->expandlinks=false

　　$snoopy->user=“joe”

　　$snoopy->pass=“bloe”

　　如果（$snoopy->fetchtext（“”）

　　{

　　回声“

　　".htmlspecialchars($snoopy->results)."

　　\n”

　　}

　　否则

　　echo“获取文档时出错：“.$snoopy->错误”。\n”

　　//////////////////////////////////////////////////////////////

　　史努比的特点是“大”和“满”。抓取可以采集所有东西，这可以作为采集的第一步。接下来，你需要使用简单的html\U dom来仔细地选择所需的部分。当然，如果你特别擅长规则并且喜欢规则，你也可以使用规则来匹配和抓取

　　Simple_html_dom实际上是一个dom解析过程。PHP还提供了一些解析方法，但这个Simple_html_dom可以说更专业。它是一个满足您需要的许多函数的类

　　////////////////////////////////////////////////////////////////

　　//使用URL或文件名创建目标文档对象，即目标网页

　　$html=文件获取html（“”）

　　//$html=file_get_html（'test.htm'）

　　//使用字符串作为目标页。您可以通过Snoopy获取该页，然后在此处获取以进行处理

　　$myhtml=str_get_html（'Hello！'）

　　//找到所有图片并返回一个数组

　　foreach（$html->find（'img'）作为$element）

　　echo$element->src'

　　",

　　//查找所有链接

　　foreach（$html->find（'a'）作为$element）

　　echo$element->href

　　",

　　find方法非常有用。通常，它返回一个收录对象的数组。在查找目标元素时，可以通过class或ID或其他属性获取目标字符串

　　//通过目标div的class属性查找div。Find方法中的第二个参数是返回数组的编号。第一个参数从0开始

　　$target_div=$html->find（'div.targetclass'，0）

　　//检查结果是否符合您的要求。直接回显即可

　　echo$target_div

　　//关键是采集对象创建后必须销毁，否则PHP页面可能会“卡住”约30秒，具体取决于服务器的时间限制。销毁方法为：

　　$html->clear（）

　　未结算（$html）

　　我认为simple_html_dom的优势在于它与JS一样易于控制采集。下面提供的下载包中有一本英文手册

　　simplehtmldom_1_11/simplehtmldom/manual/manual.htm

　　数组$e->GetAllAttribute（）

　　数组$e->attr

　　字符串$e->getAttribute（$name）

　　字符串$e->attribute

　　void$e->setAttribute（$name，$value）

　　void$value=$e->attribute

　　bool$e->hasAttribute（$name）

　　boolisset（$e->attribute）

　　作废$e->removeAttribute（$name）

　　void$e->attribute=null

　　元素$e->getElementById（$id）

　　混合$e->find（#$id），0)

　　混合$e->getElementsById（$id[，$index]）

　　混合$e->find（“#$id”[，int$index]）

　　元素$e->getElementByTagName（$name）

　　混合$e->find（$name，0)

　　混合$e->getElementsByTagName（$name[，$index]）

　　混合$e->find（$name[，int$index]）

　　元素$e->parentNode（）

　　元素$e->父元素（）

　　混合$e->childNodes（[$index]）

　　混合$e->children（[int$index]）

　　元素$e->firstChild（）

　　元素$e->第一个子元素（）

　　元素$e->lastChild（）

　　元素$e->最后一个子元素（）

　　元素$e->nextSibling（）

　　元素$e->下一个兄弟姐妹（）

　　元素$e->上一个同级元素（）

　　元素$e->prev_同级（）