php实战之使用curl抓取网站数据

青旅半醒 2022-08-09 16:37 143阅读 0赞

之前做过一个网站数据抓取的工作，让我充分感受到了计算机科学的生产力。之前为了抓取网站源数据的数据，我们公司只能依靠人多力量大的方式，一点一点从源网站抠，整整干了三天，干得头昏脑涨，听老板说以前有php人员抓取过数据，但是抓取的数据不理想，不能入库，只能换成人工的了。趁着学习这段时间，整了整这个项目，不负有心人。在研究源数据网站的数据传输方式以后，突然发现，原来获取这些数据如此简单：程序源码如下：

<?php header("content-type:text/html;charset=utf-8"); ini_set('max_execution_time', 300); function getScholar($start,$end){ $result = array(); for($i=$start;$i<$end;$i++){ $url = "http://****.gov.cn*****"; $post_data = array ( "currentPage" => $i,//当前页 "pageSize" =>7 , ); $ch = curl_init(); curl_setopt($ch, CURLOPT_URL, $url); curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1); // 我们在POST数据哦！ curl_setopt($ch, CURLOPT_POST, 1); // 把post的变量加上 curl_setopt($ch, CURLOPT_POSTFIELDS, $post_data); $output = curl_exec($ch); $output_json = json_decode($output); curl_close($ch); //var_dump($output_json); //die(); foreach($output_json->projectList as $k => $v){ $result[$v->code][]=$v->code; $result[$v->code][]=$v->name; }; } $end_end = $end-1; $fp = fopen("output-{$start}-{$end_end}.csv",'w');//打开文件 foreach ($result as $v){ ob_clean(); if(fputcsv($fp,$v)===false){ //加数组数据放到csv文件中 die("can't write csv line"); } } fclose($fp) or die("can't close scholar.csv"); if(count($result)!=($end-$start)*7){ echo "数据出现错误"; echo "<br/>"; echo count($result); exit; } echo "数据抓取完成，共抓取到".count($result)."条记录"; } getScholar(3950,4000);//读取3950-4000页的数据

这里主要用到了curl库，在刚开始用的时候，程序显示curl\_init()不可用，但是这是已经将php的curl扩展打开了，后来百度知道，原来是在window目录下少了libeay32.dll、ssleay32.dll这两个文件，将这两个文件从php/ext 复制到windows 的system32目录下，然后重启Apache就可以了。  
![curl logo][]

[curl logo]: /images/20220731/8e42549ee3844a9084d38b3d6439ef8e.png