PHP一个简单的无需刷新爬虫

由于只是一个小示例，所以过程化简单写了，小菜随便参考，大神大可点解<?php//设置

由于只是一个小示例，所以过程化简单写了，小菜随便参考，大神大可点解

<?php 
//设置最大执行时间
set_time_limit(0);
function getHtml($url){
 // 1. 初始化
 $ch = curl_init();
 // 2. 设置选项，包括URL
 curl_setopt($ch,CURLOPT_URL,$url);
 curl_setopt($ch,CURLOPT_RETURNTRANSFER,1);
 curl_setopt($ch,CURLOPT_HEADER,0);
 // 3. 执行并获取HTML文档内容
 $output = curl_exec($ch);
 if($output === FALSE ){
 $output = '';
 }
 // 4. 释放curl句柄
 curl_close($ch);
 return $output;
}
function getPageData($url){
 // 获取整个网页内容
 $html = getHtml($url);
 // 初步获取主块内容
 preg_match("/教程列表.*教程列表/s",$html,$body_html);
 // 返回数据
 $data = array();
 //判断是否存在要获取的内容
 if(count($body_html)){
 // 获取页面指定信息
 preg_match_all('/<a class="avatar".*user_id="(\S*)" href="(\S*)" rel="external nofollow" /',$body_html[0],$info_1);
 preg_match_all('/<a href="(.*)" rel="external nofollow" .*title="(.*)"/',$body_html[0],$info_2);
 $info = array_merge($info_1,$info_2);
 //组合的信息
 for($index=0; $index<count($info[0]); $index++){
 //以文章信息作为key存数组，以及覆盖旧数据
 $data[$info[4][$index]] = array(
 'user_id' => $info[1][$index],
 'user_home' => $info[2][$index],
 'a_url' => $info[4][$index],
 'a_title' => $info[5][$index],
 );
 }
 }
 return $data;
}
header("Content-type: text/html; charset=utf-8"); 
echo '<pre>';
// 初始化数据
$page_no = 1;
$data_all = array();
// 分页获取数据
do{
 $url = 'http://www.thinkphp.cn/code/examples/p/' . $page_no;
 $data = getPageData($url);
 $data_all += $data;
 $page_no ++;
}while ($page_no <= 10); //当前只获取10页，如果要全部获取则把条件换成$data或!empty($data)
var_dump($data_all);
?>

接下的入表库当然就不写了，那些更小意思了~就此别过吧~

总结

以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，谢谢大家对脚本之家的支持。如果你想了解更多相关内容请查看下面相关链接

php爬虫 php无需刷新爬虫 php一个简单的无需刷新爬虫