关于phpCURL使用ip代理服务器抓取页面的问题

关于phpCURL使用ip代理服务器抓取页面的问题,第1张

$curl = curl_init ()

curl_setopt ( $curl, CURLOPT_URL, 需要抓取的url地址 )

curl_setopt ( $curl, CURLOPT_HEADER, 0 )

curl_setopt ( $curl, CURLOPT_RETURNTRANSFER, 1 )// 禁止调用时就输出获取到的数据

curl_setopt ( $curl, CURLOPT_FOLLOWLOCATION, 1 )

curl_setopt ( $curl, CURLOPT_SSL_VERIFYPEER, false )

curl_setopt ( $curl, CURLOPT_SSL_VERIFYHOST, false )

// curl_setopt($ch,CURLOPT_TIMEOUT,20)//10秒

// curl_setopt($ch,CURLOPT_CONNECTTIMEOUT,20)//10秒

// curl_setopt($ch, CURLOPT_REFERER, $collectConfigArray ['refererUrl'])

$collectHtml = curl_exec ( $curl )

echo $collectHtml

unset ( $curl )

curl_close ( $ch )

curl是一个利用URL语法在命令行方式下工作的文件传输工具。本文介绍了它的简单用法。

*******************************************************************************************************************************************************

curl是一个利用URL语法在命令行方式下工作的文件传输工具。

它支持很多协议:FTP, FTPS, HTTP, HTTPS, GOPHER, TELNET, DICT, FILE 以及 LDAP。

curl同样支持HTTPS认证,HTTP POST方法, HTTP PUT方法, FTP上传, kerberos认证, HTTP上传, 代理服务器, cookies, 用户名/密码认证, 下载文件断点续传, 上载文件断点续传, http代理服务器管道( proxy tunneling), 甚至它还支持IPv6, socks5代理服务器, 通过http代理服务器上传文件到FTP服务器等等,功能十分强大。

Windows操作系统下的网络蚂蚁,网际快车(FlashGet)的功能它都可以做到。准确的说,curl支持文件的上传和下载,所以是一个综合传输工具,但是按照传统,用户习惯称curl为下载工具。

curl是瑞典curl组织开发的,您可以访问: http://curl.haxx.se/

获取它的源代码和相关说明。

鉴于curl在Linux上的广泛使用,IBM在AIX Linux Toolbox的光盘中包含了这个软件,并且您可以访问IBM网站:

http://www- 1.ibm.com/servers/aix/products/aixos/linux/altlic.html 下载它。

curl的最新版本是 7.10.8,IBM网站上提供的版本为7.9.3。

在AIX下的安装很简单,IBM网站上下载的rpm格式的包。

在 http://curl.haxx.se/docs/,您可以下载到UNIX格式的man帮助,里面有详细的curl工具的使用说明。

curl的用法为:curl [options] [URL...]

其中options是下载需要的参数,大约有80多个,curl的各个功能完全是依靠这些参数完成的。

具体参数的使用,用户可以参考curl的man帮助。

下面,本文就将结合具体的例子来说明怎样利用curl进行下载。

1、获得一张页面

使用命令:curl http://curl.haxx.se

这是最简单的使用方法。用这个命令获得了http://curl.haxx.se指向的页面,同样,如果这里的URL指向的是一个文件或者一幅图都可以直接下载到本地。如果下载的是HTML文档,那么缺省的将不显示文件头部,即HTML文档的header。要全部显示,请加参数 -i,要只显示头部,用参数 -I。任何时候,可以使用 -v 命令看curl是怎样工作的,它向服务器发送的所有命令都会显示出来。为了断点续传,可以使用-r参数来指定传输范围。

2、表单(Form)的获取

在WEB页面设计中,form是很重要的元素。Form通常用来收集并向网站提交信息。提交信息的方法有两种,GET方法和POST方法。先讨论GET方法,例如在页面中有这样一段:

<form method="GET" action="junk.cgi">

<input type=text name="birthyear">

<input type=submit name=press value="OK">

</form>

那么浏览器上会出现一个文本框和一个标为“OK”的按钮。按下这个按钮,表单就用GET方法向服务器提交文本框的数据。

例如原始页面是在 www.hotmail.com/when/birth.html看到的,然后您在文本框中输入1905,然后按OK按钮,那么浏览器的URL现在应该是:“www.hotmail.com/when/junk.cgi?birthyear=1905&press=OK”

对于这种网页,curl可以直接处理,例如想获取上面的网页,只要输入:

curl "www.hotmail.com/when/junk.cgi?birthyear=1905&press=OK"

就可以了。

表单用来提交信息的第二种方法叫做POST方法,POST方法和GET方法的区别在于GET方法使用的时候,浏览器中会产生目标URL,而POST不会。类似GET,这里有一个网页:

<form method="POST" action="junk.cgi">

<input type=text name="birthyear">

<input type=submit name=press value="OK">

</form>

浏览器上也会出现一个文本框和一个标为“OK”的按钮。按下这个按钮,表单用POST方法向服务器提交数据。

这时的URL是看不到的,因此需要使用特殊的方法来抓取这个页面:

curl -d "birthyear=1905&press=OK" www.hotmail.com/when/junk.cgi

这个命令就可以做到。

1995年年末,RFC 1867定义了一种新的POST方法,用来上传文件。主要用于把本地文件上传到服务器。此时页面是这样写的:

<form method="POST" enctype='multipart/form-data' action="upload.cgi">

<input type=file name=upload>

<input type=submit name=press value="OK">

</form>

对于这种页面,curl的用法不同:

curl -F upload=@localfilename -F press=OK URL

这个命令的实质是将本地的文件用POST上传到服务器。

有关POST还有不少用法,用户可以自己摸索。

3、使用PUT方法。

HTTP协议文件上传的标准方法是使用PUT,此时curl命令使用-T参数:

curl -T uploadfile www.uploadhttp.com/receive.cgi

4、有关认证。

curl可以处理各种情况的认证页面,例如下载用户名/密码认证方式的页面(在IE中通常是出现一个输入用户名和密码的输入框):

curl -u name:password www.secrets.com

如果网络是通过http代理服务器出去的,而代理服务器需要用户名和密码,那么输入:

curl -U proxyuser:proxypassword http://curl.haxx.se

任何需要输入用户名和密码的时候,只在参数中指定用户名而空着密码,curl可以交互式的让用户输入密码。

5、引用。

有些网络资源访问的时候必须经过另外一个网络地址跳转过去,这用术语来说是:referer,引用。

对于这种地址的资源,curl也可以下载:

curl -e http://curl.haxx.se daniel.haxx.se

6、指定用户客户端。

有些网络资源首先需要判断用户使用的是什么浏览器,符合标准了才能够下载或者浏览。

此时curl可以把自己“伪装”成任何其他浏览器:

curl -A "Mozilla/4.0 (compatibleMSIE 5.01Windows NT 5.0)" URL

这个指令表示curl伪装成了IE5.0,用户平台是Windows 2000。(对方服务器是根据这个字串来判断客户端的类型的,所以即使使用AIX也无所谓)。

使用:

curl -A "Mozilla/4.73 [en] (X11ULinux 2.2.15 i686)" URL

此时curl变成了Netscape,运行在PIII平台的Linux上了。

7、COOKIES

Cookie是服务器经常使用的一种记忆客户信息的方法。如果cookie被记录在了文件中,那么使用命令:

curl -b stored_cookies_in_file www.cookiesite.com

curl可以根据旧的cookie写出新cookie并发送到网站:

curl -b cookies.txt -c newcookies.txt www.cookiesite.com

8、加密的HTTP——HTTPS。

如果是通过OpenSSL加密的https协议传输的网页,curl可以直接访问:

curl https://that.secure.server.com

9、http认证。

如果是采用证书认证的http地址,证书在本地,那么curl这样使用:

curl -E mycert.pem https://that.secure.server.com

参考读物和注意事项:

curl非常博大,用户要想使用好这个工具,除了详细学习参数之外,还需要深刻理解http的各种协议与URL的各个语法。

这里推荐几个读物:

RFC 2616 HTTP协议语法的定义。

RFC 2396 URL语法的定义。

RFC 2109 Cookie是怎样工作的。

RFC 1867 HTTP如何POST,以及POST的格式。

文字

curl是免费软件,IBM公司对curl不提供技术支持。

curl官方网站:

http://curl.haxx.se

使用PHP的cURL库可以简单和有效地去抓网页 你只需要运行一个脚本 然后分析一下你所抓取的网页 然后就可以以程序的方式得到你想要的数据了 无论是你想从从一个链接上取部分数据 或是取一个XML文件并把其导入数据库 那怕就是简单的获取网页内容 cURL 是一个功能强大的PHP库 本文主要讲述如果使用这个PHP库

启用 cURL 设置

首先 我们得先要确定我们的PHP是否开启了这个库 你可以通过使用php_info()函数来得到这一信息

﹤?phpphpinfo()?﹥

如果你可以在网页上看到下面的输出 那么表示cURL库已被开启

如果你看到的话 那么你需要设置你的PHP并开启这个库 如果你是在Windows平台下 那么非常简单 你需要改一改你的php ini文件的设置 找到php_curl dll 并取消前面的分号注释就行了 如下所示

//取消下在的注释extension=php_curl dll

如果你是在Linux下面 那么 你需要重新编译你的PHP了 编辑时 你需要打开编译参数——在configure命令上加上 –with curl 参数

一个小示例

如果一切就绪 下面是一个小例程

﹤?php// 初始化一个 cURL 对象$curl = curl_init()

// 设置你需要抓取的URLcurl_setopt($curl CURLOPT_URL //cocre )

// 设置headercurl_setopt($curl CURLOPT_HEADER )

// 设置cURL 参数 要求结果保存到字符串中还是输出到屏幕上 curl_setopt($curl CURLOPT_RETURNTRANSFER )

// 运行cURL 请求网页$data = curl_exec($curl)

// 关闭URL请求curl_close($curl)

// 显示获得的数据var_dump($data)

  如何POST数据

上面是抓取网页的代码 下面则是向某个网页POST数据 假设我们有一个处理表单的网址// example /sendSMS php 其可以接受两个表单域 一个是电话号码 一个是短信内容

﹤?php$phoneNumber = $message = This message was generated by curl and php $curlPost = pNUMBER= urlencode($phoneNumber) &MESSAGE= urlencode($message) &SUBMIT=Send $ch = curl_init()curl_setopt($ch CURLOPT_URL // example /sendSMS php )curl_setopt($ch CURLOPT_HEADER )curl_setopt($ch CURLOPT_RETURNTRANSFER )curl_setopt($ch CURLOPT_POST )curl_setopt($ch CURLOPT_POSTFIELDS $curlPost)$data = curl_exec()curl_close($ch)?﹥

从上面的程序我们可以看到 使用CURLOPT_POST设置HTTP协议的POST方法 而不是GET方法 然后以CURLOPT_POSTFIELDS设置POST的数据

   关于代理服务器

下面是一个如何使用代理服务器的示例 请注意其中高亮的代码 代码很简单 我就不用多说了

﹤?php $ch = curl_init()curl_setopt($ch CURLOPT_URL // example)curl_setopt($ch CURLOPT_HEADER )curl_setopt($ch CURLOPT_RETURNTRANSFER )curl_setopt($ch CURLOPT_HTTPPROXYTUNNEL )curl_setopt($ch CURLOPT_PROXY fakeproxy : )curl_setopt($ch CURLOPT_PROXYUSERPWD user:password )$data = curl_exec()curl_close($ch)?﹥ 关于SSL和Cookie

关于SSL也就是HTTPS协议 你只需要把CURLOPT_URL连接中的//变成//就可以了 当然 还有一个参数叫CURLOPT_SSL_VERIFYHOST可以设置为验证站点

关于Cookie 你需要了解下面三个参数

CURLOPT_COOKIE 在当面的会话中设置一个cookie

CURLOPT_COOKIEJAR 当会话结束的时候保存一个Cookie

CURLOPT_COOKIEFILE Cookie的文件

HTTP服务器认证

最后 我们来看一看HTTP服务器认证的情况

﹤?php $ch = curl_init()curl_setopt($ch CURLOPT_URL // example )curl_setopt($ch CURLOPT_RETURNTRANSFER )curl_setopt($ch CURLOPT_HTTPAUTH CURLAUTH_BASIC)curl_setopt(CURLOPT_USERPWD [username]:[password] )

$data = curl_exec()curl_close($ch)?﹥

关于其它更多的内容 请参看相关的cURL手册 lishixinzhi/Article/program/PHP/201311/21491


欢迎分享,转载请注明来源:夏雨云

原文地址:https://www.xiayuyun.com/zonghe/321202.html

(0)
打赏 微信扫一扫微信扫一扫 支付宝扫一扫支付宝扫一扫
上一篇 2023-05-01
下一篇2023-05-01

发表评论

登录后才能评论

评论列表(0条)

    保存