php实现简单爬虫的开发，php实现爬虫有时候因为工作、自身的需求，我们都会去浏览不同网站去获取我们需要的数据，于是爬虫应运而生，下面是我在开发一个简单爬虫的经过与遇到的问题。
    开发一个爬虫，首先你要知道你的这个爬虫是要用来做什么的。我是要用来去不同网站找特定关键字的文章，并获取它的链接，以便我快速阅读。
    按照个人习惯，我首先要写一个界面，理清下思路。
    1、去不同网站。那么我们需要一个url输入框。
    2、找特定关键字的文章。那么我们需要一个文章标题输入框。
    3、获取文章链接。那么我们需要一个搜索结果的显示容器。
文章url抓取
文章标题
网站url
抓取
文章url

直接上代码，然后加上自己的一些样式调整，界面就完成啦：
那么接下来就是功能的实现了，我用php来写，首先第一步就是获取网站的html代码，获取html代码的方式也有很多，我就不一一介绍了，这里用了curl来获取，传入网站url就能得到html代码啦：
private function get_html($url){ $ch = curl_init(); $timeout = 10; curl_setopt($ch, curlopt_url, $url); curl_setopt($ch, curlopt_returntransfer, 1); curl_setopt($ch, curlopt_encoding, 'gzip'); curl_setopt($ch, curlopt_useragent, 'mozilla/5.0 (windows nt 6.1; wow64) applewebkit/537.36 (khtml, like gecko) chrome/34.0.1847.131 safari/537.36'); curl_setopt($ch, curlopt_connecttimeout, $timeout); $html = curl_exec($ch); return $html; }
虽然得到了html代码，但是很快你会遇到一个问题，那就是编码问题，这可能让你下一步的匹配无功而返，我们这里统一把得到的html内容转为utf8编码：
$coding = mb_detect_encoding($html);if ($coding != utf-8 || !mb_check_encoding($html, utf-8))$html = mb_convert_encoding($html, 'utf-8', 'gbk,utf-8,ascii');
得到网站的html，要获取文章的url，那么下一步就是要匹配该网页下的所有a标签，需要用到正则表达式，经过多次测试，最终得到一个比较靠谱的正则表达式，不管a标签下结构多复杂，只要是a标签的都不放过：(最关键的一步)
$pattern = '|]*>(.*)|isu';preg_match_all($pattern, $html, $matches);
匹配的结果在$matches中，它大概是这样的一个多维素组：
array(2) { [0]=> array(*) { [0]=> string(*) 完整的a标签 . . . } [1]=> array(*) { [0]=> string(*) 与上面下标相对应的a标签中的内容 }}
只要能得到这个数据，其他就完全可以操作啦，你可以遍历这个素组，找到你想要a标签，然后获取a标签相应的属性，想怎么操作就怎么操作啦，下面推荐一个类，让你更方便操作a标签：
$dom = new domdocument(); @$dom->loadhtml($a);//$a是上面得到的一些a标签 $url = new domxpath($dom); $hrefs = $url->evaluate('//a'); for ($i = 0; $i length; $i++) { $href = $hrefs->item($i); $url = $href->getattribute('href'); //这里获取a标签的href属性 }
当然，这只是一种方式，你也可以通过正则表达式匹配你想要的信息，把数据玩出新花样。
得到并匹配得出你想要的结果，下一步当然就是传回前端将他们显示出来啦，把接口写好，然后前端用js获取数据，用jquery动态添加内容显示出来：
var website_url = '你的接口地址';$.getjson(website_url,function(data){ if(data){ if(data.text == ''){ $('#article_url').html('暂无该文章链接
'); return; } var string = ''; var list = data.text; for (var j in list) { var content = list[j].url_content; for (var i in content) { if (content[i].title != '') { string += '' + '[' + list[j].website.web_name + ']' + '' + content[i].title + '' + '
'; } } } $('#article_url').html(string);});
上最终效果图：
您可能感兴趣的文章:php iis日志分析搜索引擎爬虫记录程序php 向访客和爬虫显示不同的内容一个php实现的轻量级简单爬虫php实现简单爬虫的方法php代码实现爬虫记录——超管用php爬虫之百万级别知乎用户数据爬取与分析php+html+javascript+css实现简单爬虫开发
http://www.bkjia.com/phpjc/1117098.htmlwww.bkjia.comtruehttp://www.bkjia.com/phpjc/1117098.htmltecharticlephp实现简单爬虫的开发，php实现爬虫 有时候因为工作、自身的需求，我们都会去浏览不同网站去获取我们需要的数据，于是爬虫应运而生，...