php怎么爬取网站的数据 php获取网站内容

php如何获取网址中的参数

比如有一个网址为

成都创新互联10多年成都企业网站建设服务;为您提供网站建设,网站制作,网页设计及高端网站定制服务,成都企业网站建设及推广,对成都航空箱等多个方面拥有丰富的网站推广经验的网站建设公司。

http://域名/goods.php?u=59id=24#pinglun

我想得到这个id值

可以用正则,也可以用派老岩php函数解析到数组中

用正则可以这样

preg_match('/id=(\d+)/',$_SERVER["REQUEST_URI"],$m);//$_SERVER 这个表示当前网址url

print_r($m[1]);exit;

或者用parse_url()及parse_str()函数

$cur_q=parse_url($_SERVER["REQUEST_URI"],PHP_URL_QUERY);

parse_str($cur_q,$myArray);

print_r($myArray["id"]);exit;

拓展资料

PHP（外文名:PHP: Hypertext Preprocessor，中文名：“超文本预处理器”）是一种通用开源脚本语言。语法吸收了C语言、Java和Perl的特点，利于学习，使用广泛，主要适用于Web开发领域。PHP 独特的语法混合了C、Java、Perl以及PHP自创的语法。它可以比CGI或者Perl更快速地执行动态网页。用PHP做出的动态页面与其他的编程语言相比，PHP是将程序嵌入到HTML（标准通用标记语言下的一个应用）文档中去执行，执行效率比完全生成HTML标记的CGI要高许多；PHP还可以执行编译后代码，编译可以达到加密和优化代码运尘御行，使代码运行更快。

PHP的特性包括：

1. PHP 独特的语法混合了 C、Java、Perl 以及 PHP 自创新的语法。

2. PHP可以比CGI或者Perl更快速的执行动态网页——动态页面方面，与其他的编程语言相比，

PHP是将程序嵌入到HTML文档中去执含友行，执行效率比完全生成htmL标记的CGI要高许多；

PHP具有非常强大的功能，所有的CGI的功能PHP都能实现。

3. PHP支持几乎所有流行的数据库以及操作系统。

4. 最重要的是PHP可以用C、C++进行程序的扩展！

参考资料：百度百科 PHP

php实现网络爬虫

只要包含网络和字符串处理功能的编程语言理论上都可以写爬虫，所以PHP当然完全没问题。如何用PHP写爬虫的前提是你要先调研清楚爬什么内容。这需要你针对要爬取目标做好充分的测试和准备工作，丛简否则会浪费很多时间。

比如一个简单的“传统型”网站，那真的只需要用file_get_contents函数加正则就能搞定。觉的正则匹配数据太麻烦可以上xpath。如果站点有了频率和IP限制，这时就要额外准备好代理IP池了。当发现抓取内容是JS渲染的，可能要考虑引入headlessbrowser这种技术的PHP扩展了。对爬取效率有闹郑物了要求后，多线程，抓取和解析分离，分布式也是要考虑的了。。。

回到问题本身如何写的问题，我个人觉得爬虫是个定制化比较液液高的业务需求，需要根据具体的场景来规划。如果是要写一个能解决所有爬虫场景的，那就不用自己写了，成熟的开源软件拿来直接用就行了。非要写的话可以直接参考这些成熟的软件，自己可以少踩很多坑。

蜘蛛是如何爬取页面内容的？

学过SEO的同学们都知道蜘蛛有两种爬行方式：深度和广度，又叫横向抓取和纵向抓取，那么这个蜘蛛到底是怎么运作的呢？

如果真的想要了解这方面的东西，就必须要了解程序，数据库，迅纯编程语言。以PHP为例，其中有一个函数叫作file_get_contents，这个函数的作用就是获取URL里面的内碧租容，并以文本的方式返回结果，当然也可以用CURL。

然后，就可以利用程序里面的正则表达式，对链接的数据进行提取、合并、去重等复杂操作，并将数据存入数据库。数据库有很多，比如：索引库、收录库等等。

当抓取数据完成上面操作后，自然也就得到了数据库里面不存在的链接，接着，程序会发出另一个指令，抓取这些库里面没存的URL。直致页面全部完成抓取。当然更有可能的是抓取完成后，不再抓取。

在百度站长平台会有抓取频次及抓取时间的数据，你应该可以见到，每个蜘蛛抓取是毫无规律可言，但你通过日常观察可以发现，页面深度越深亩慧咐，被抓取到的概率越低。

蜘蛛虽然有随机性和时效性，但也还是有许多规律可寻，比如流量对于蜘蛛有非常直接的正向作用，所以日常的操作当中你也会发现，一旦有流量进入到站点，蜘蛛也会随着增多，这种蜘蛛表现尤其是在一些违规操作里面表现的更为明显，比如百度刷排名！