php网页抓取(requiresPHP4Beta4+)$maxframes允许追踪的框架)

　　php网页抓取(requiresPHP4Beta4+)$maxframes允许追踪的框架)

　　$error 报告在哪里，如果有的话

　　$response_code 服务器返回的响应码

　　从服务器返回的 $headers 标头

　　$maxlength 最长返回数据长度

　　$read_timeout 读取超时（需要 PHP 4 Beta 4+）

　　设置为 0 表示没有超时

　　$timed_out 如果读取操作超时，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 http 状态

　　Web 服务器可以写入的临时文件的 $temp_dir 目录 (/tmp)

　　cURL二进制的$curl_path目录，如果没有cURL二进制则设置为false

　　以下是演示

　　复制代码代码如下：

　　包括“Snoopy.class.php”；

　　$snoopy = 新史努比；

　　$snoopy->proxy_host = "";

　　$snoopy->proxy_port = "8080";

　　$snoopy->agent = "(兼容;MSIE 4.01;MSN 2.5;AOL 4.0;Windows 98)";

　　$snoopy->referer = "";

　　$snoopy->cookies["SessionID"] = 238472834723489l;

　　$snoopy->cookies["favoriteColor"] = "RED";

　　$snoopy->rawheaders["Pragma"] = "no-cache";

　　$snoopy->maxredirs = 2;

　　$snoopy->offsiteok = false;

　　$snoopy->expandlinks = false;

　　$snoopy->user = "joe";

　　$snoopy->pass = "bloe";

　　if($snoopy->fetchtext(""))

　　{

　　回声“

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

　　\n";

　　}

　　其他

　　echo "获取文档时出错：".$snoopy->error."\n";

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

　　Snoopy 的特点是“大”和“满”，一次 fetch 可以拾取一切，可以作为 采集 的第一步。接下来，您需要使用 simple_html_dom 扣除所需的部分。当然，如果你特别擅长规律，喜欢规律，也可以用规律来搭配抢。

　　simple_html_dom 实际上是一个 dom 解析过程。 PHP也提供了一些解析方法，不过这个simple_html_dom可以说是比较专业的一个类，满足了很多你想要的功能。

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

　　// 使用URL或文件名创建目标文档对象，即目标网页

　　$html = file_get_html ('' );

　　//$html = file_get_html('test.htm');

　　//使用字符串作为登陆页面。可以通过Snoopy获取页面，然后在这里获取处理

　　$myhtml = str_get_html ('你好！' );

　　// 查找所有图片并返回一个数组

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

　　echo $element->src 。 '

　　' ;

　　// 查找所有链接

　　foreach($html->find ('a') as $element)

　　echo $element->href 。 '

　　' ;

　　find 方法效果很好，通常它返回一个对象数组。在查找目标元素时，可以通过class或者id，或者其他属性来获取目标字符串。

　　//通过目标div的class属性搜索div。 find 方法中的第二个参数是返回数组中的数字。从0开始是第一个

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

　　//检查结果是不是你想要的，直接echo就行了

　　回声 $target_div;

　　//关键是这个采集对象创建后一定要销毁，否则php页面可能会“卡住”30秒左右，这取决于你服务器的时间限制。销毁的方法是：

　　$html->clear();

　　未设置（$html）；

　　我觉得simple_html_dom的优势在于采集和JS一样容易控制。下面提供的下载包中有英文说明书

　　simplehtmldom_1_11/simplehtmldom/manual/manual.htm

　　数组

　　$e->getAllAttributes()

　　数组

　　$e->属性

　　字符串

　　$e->getAttribute($name)

　　字符串

　　$e->属性

　　无效

　　$e->setAttribute($name, $value)

　　无效

　　$value = $e->属性

　　布尔

　　$e->hasAttribute($name)

　　布尔

　　isset($e->属性)

　　无效

　　$e->removeAttribute ($name)

　　无效

　　$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->parent()

　　混合

　　$e->childNodes ([$index])

　　混合

　　$e->children ([int $index])

　　元素

　　$e->firstChild()

　　元素

　　$e->first_child()

　　元素

　　$e->lastChild()

　　元素

　　$e->last_child()

　　元素

　　$e->nextSibling()

　　元素

　　$e->next_sibling()

　　元素

　　$e->previousSibling()

　　元素

　　$e->prev_sibling()