今天小编就为大家分享一篇关于PHP一个简单的无需刷新爬虫，小编觉得内容挺不错的，现在分享给大家，具有很好的参考价值，需要的朋友一起跟随小编来看看吧

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

1. <?php  
2. //设置最大执行时间 
3. set_time_limit(0); 
4. function getHtml($url){ 
5.   // 1. 初始化 
6.    $ch = curl_init(); 
7.    // 2. 设置选项，包括URL 
8.    curl_setopt($ch,CURLOPT_URL,$url); 
9.    curl_setopt($ch,CURLOPT_RETURNTRANSFER,1); 
10.    curl_setopt($ch,CURLOPT_HEADER,0); 
11.    // 3. 执行并获取HTML文档内容 
12.    $output = curl_exec($ch); 
13.    if($output === FALSE ){ 
14.     $output = ''; 
15.    } 
16.    // 4. 释放curl句柄 
17.    curl_close($ch); 
18.    return $output; 
19. } 
20. function getPageData($url){ 
21.   // 获取整个网页内容 
22.   $html = getHtml($url); 
23.   // 初步获取主块内容 
24.   preg_match("/教程列表.*教程列表/s",$html,$body_html); 
25.   // 返回数据 
26.   $data = array(); 
27.   //判断是否存在要获取的内容 
28.   if(count($body_html)){ 
29.     // 获取页面指定信息 
30.     preg_match_all('/<a class="avatar".*user_id="(\S*)" href="(\S*)" rel="external nofollow" /',$body_html[0],$info_1); 
31.     preg_match_all('/<a href="(.*)" rel="external nofollow" .*title="(.*)"/',$body_html[0],$info_2); 
32.     $info = array_merge($info_1,$info_2); 
33.     //组合的信息 
34.     for($index=0; $index<count($info[0]); $index++){ 
35.       //以文章信息作为key存数组，以及覆盖旧数据 
36.       $data[$info[4][$index]] = array( 
37.               'user_id'  => $info[1][$index], 
38.               'user_home' => $info[2][$index], 
39.               'a_url'   => $info[4][$index], 
40.               'a_title'  => $info[5][$index], 
41.            ); 
42.     } 
43.   } 
44.   return $data; 
45. } 
46. header("Content-type: text/html; charset=utf-8");  
47. echo '<pre>'; 
48. // 初始化数据 
49. $page_no = 1; 
50. $data_all = array(); 
51. // 分页获取数据 
52. do{ 
53.   $url = 'http://www.thinkphp.cn/code/examples/p/' . $page_no; 
54.   $data = getPageData($url); 
55.   $data_all += $data; 
56.   $page_no ++; 
57. }while ($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) 
58. var_dump($data_all); 
59. ?> 

接下的入表库当然就不写了，那些更小意思了~就此别过吧~

Tags: PHP无需刷新爬虫

分享到：