<?php /*通过CURL模拟登录并获取数据 一些网站需要权限认证,必须登录网站后,才能有效地抓取网页并采集内容, 这就需要curl来设置cookie完成模拟登录网页,php的curl在抓取网页内容方 面效率是比较高的,而且支持多线程,而file_get_contents()效率就要稍低 些。模拟登录的代码如下所示: */ function login_post($url, $cookie, $post){ $ch = curl_init(); //初始化curl模块 curl_setopt($ch, CURLOPT_URL, $url); //登录提交的地址 curl_setopt($ch, CURLOPT_HEADER, 0); //是否显示头信息 curl_setopt($ch, CURLOPT_RETURNTRANSFER, 0); //是否自动显示返回的信息 curl_setopt($ch, CURLOPT_COOKIEJAR, $cookie); //设置cookie信息保存在指定的文件夹中 curl_setopt($ch, CURLOPT_POST, 1); //以POST方式提交 curl_setopt($ch, CURLOPT_POSTFIELDS, http_build_query($post));//要执行的信息 curl_exec($ch); //执行CURL curl_close($ch); } /* 上例中声明的函数login_post(),需要提供一个url地址,一个保存cookie文 件,以及post的数据(用户名和密码等信息),注意php自带的http_build_query() 函数可以将数组转换成相连接的字符串,如果通过该函数登录成功后,我们要获取 登录成功个页面信息。声明函数的代码如下所示: */ function get_content($url, $cookie){ $ch = curl_init(); //初始化curl模块 curl_setopt($ch, CURLOPT_URL, $url); //登录提交的地址 curl_setopt($ch, CURLOPT_HEADER, 0); //是否显示头信息 curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1); //是否自动显示返回的信息 curl_setopt($ch, CURLOPT_COOKIEJAR, $cookie);//设置cookie信息保存在指定的文件夹中 $rs = curl_exec($ch); //执行curl转去页面内容 curl_close($ch); return $rs; //返回字符串 } /* get_content()中用curlopt_cookiefile可以读取到登录保存的cookie信 息 最后讲页面内容返回.我们的目的是获取到模拟登录后的信息,也就是 只有正常登录成功后菜能获取的有用的信息,下面举例代码 */ $post = array( '_username' => 'g@ydma.cn', '_password' => '123456', '_submit' => '登录' ); $url = "http://www.genban.org/login/check"; //登录地址, 和原网站一致 $cookie = dirname(__FILE__).'/cookie_ydma.txt'; //设置cookie保存的路径 $url2 = "http://www.genban.org/course/59"; //登录后要获取信息的地址 login_post($url, $cookie, $post); //调用模拟登录 $content = get_content($url2, $cookie); //登录后,调用get_content()函数获取登录后指定的页面信息 @unlik($cookie); //删除cookie文件 file_put_contents('save.txt', $content); //保存抓取的页面内容 |