15.2 自定义get方法抓取网页

假设我们使用get方法请求一个网页，得到网页内容后可以匹配出对应的内容。 我们可以使用curl封装一个函数，假设函数名就为get。传入url就能请求指定的网页，将指定网页的HTML代码返回回来。代码如下： ~~~ function get($url) { //初使化curl $ch = curl_init(); //请求的url，由形参传入 curl_setopt($ch, CURLOPT_URL, $url); //将得到的数据返回 curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1); //不处理头信息 curl_setopt($ch, CURLOPT_HEADER, 0); //连接超过10秒超时 curl_setopt($ch, CURLOPT_TIMEOUT, 10); //执行curl $output = curl_exec($ch); //关闭资源 curl_close($ch); //返回内容 return $output; } ~~~ 我们现在使用我们所写的get方法，请求网易的一个列表，将标题和url抓取出来。 我们可以先用get方法中传入一个URL。得到这个网址所对应网页的html。 网址为新媒体观察网的新闻列表页：http://www.xmtnews.com/events 。 将红色区域采集下来：  **一、得到彩红色区间的html** 这个区间从下面的HTML代码开始： ~~~

~~~ 在以下代码结束： ~~~

~~~ 使用preg_match写一个正则表达示就匹配就得到了红色区间的HTML。将匹配到的HTML赋值给变量$area。 匹配的正则表达示如下： ~~~

(.*?)

<\/div>/mis' ~~~ **二、在红色区域匹配标题和标题的URL** 我们发现所有的标题都在`

`标签里面。我们使用preg_match_all写一个正则表达示。 `preg_match_all('/

(.*?)<\/a><\/h3>/mis', $area, $find);` 将url和内容匹配出来的内容放置到$find中，将$find数组，打印出来就可以看到匹配的结果了。 如果需要，也可以循环读取显示每一行标题和每一行URL。 全部代码演示如下： ~~~ (.*?)

<\/div>/mis', $content, $match); //将正则匹配到的内容赋值给$area $area = $match[1]; preg_match_all('/

(.*?)<\/a><\/h3>/', $area, $find); var_dump($find); function get($url) { //初使化curl $ch = curl_init(); //请求的url，由形参传入 curl_setopt($ch, CURLOPT_URL, $url); //将得到的数据返回 curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1); //不处理头信息 curl_setopt($ch, CURLOPT_HEADER, 0); //连接超过10秒超时 curl_setopt($ch, CURLOPT_TIMEOUT, 10); //执行curl $output = curl_exec($ch); //关闭资源 curl_close($ch); //返回内容 return $output; } ~~~

';