用php的curl抓取网页遇到了问题,为阐述方便,将代码简化如下:
-
<?php
-
function curlGet($url) {
-
$ch = curl_init();
-
curl_setopt($ch, CURLOPT_URL, $url);
-
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
-
curl_setopt($ch, CURLOPT_HEADER, true);
-
return curl_exec($ch);
-
}
-
-
$url = 'http://144go.com';
-
echo curlGet($url), "\n";
代码的目的很简单,抓取页面:http://www.144go.com
执行上述代码,得到的结果:
-
HTTP/1.1 301 Moved Permanently
-
Content-Length: 144
-
Content-Type: text/html
-
Location: http://www.144go.com/
-
Server: Microsoft-IIS/6.0
-
X-Powered-By: ASP.NET
-
Date: Mon, 03 Sep 2012 04:25:22 GMT
-
-
<head><title>Document Moved</title></head>
-
<body><h1>Object Moved</h1>This document may be found <a HREF="http://www.144go.com/">here</a></body>
由结果中的
Location: http://www.144go.com/
可知http://144go.com被重定向到了http://www.144go.com/
怎么办呢,要用正则分析出Location部分的链接,重复执行执行curlGet吗?行到是行,就是有点麻烦。
其实只要加一条语就可以了:
-
<?php
-
function curlGet($url) {
-
$ch = curl_init();
-
curl_setopt($ch, CURLOPT_URL, $url);
-
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
-
curl_setopt($ch, CURLOPT_HEADER, true);
-
//函数中加入下面这条语句
-
curl_setopt($ch, CURLOPT_FOLLOWLOCATION, 1);
-
return curl_exec($ch);
-
}
再次执行代码,可以抓取到想要的页面。
CURLOPT_FOLLOWLOCATION指明:
让curl递归的抓取http头中Location中指明的url。
当抓取次数超过CURLOPT_MAXREDIRS时,递归将终止。
在抓取中任何跳转带来的问题,都可通过设置此参数解决。
有关重定向的问题,可参考HTTP返回码中301与302的区别
---------------------
原文链接:https://blog.csdn.net/qmhball/article/details/7937534
评论(0)