关于phpcurlforeach的信息

本文目录一览：

• 1、php中curl爬虫 怎么样通过网页获取所有链接
• 2、php curl提交头部信息错误
• 3、请问高手，如何解决php的curl内存不够的问题呢？

php中curl爬虫 怎么样通过网页获取所有链接

本文承接上面两篇，本篇中的示例要调用到前两篇中的函数，做一个简单的URL采集。一般php采集网络数据会用file_get_contents、file和cURL。不过据说cURL会比file_get_contents、file更快更专业，更适合采集。今天就试试用cURL来获取网页上的所有链接。示例如下：

?php

/*

* 使用curl 采集hao123.com下的所有链接。

*/

include_once(‘function.php’);

$ch = curl_init();

curl_setopt($ch, CURLOPT_URL, ”);

// 只需返回HTTP header

curl_setopt($ch, CURLOPT_HEADER, 1);

// 页面内容我们并不需要

// curl_setopt($ch, CURLOPT_NOBODY, 1);

// 返回结果，而不是输出它

curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);

$html = curl_exec($ch);

$info = curl_getinfo($ch);

if ($html === false) {

echo “cURL Error: ” . curl_error($ch);

}

curl_close($ch);

$linkarr = _striplinks($html);

// 主机部分，补全用

$host = ”;

if (is_array($linkarr)) {

foreach ($linkarr as $k = $v) {

$linkresult[$k] = _expandlinks($v, $host);

}

}

printf(“p此页面的所有链接为：/ppre%s/pren”, var_export($linkresult , true));

?

function.php内容如下（即为上两篇中两个函数的合集）：

?php

function _striplinks($document) {

preg_match_all(“‘s*as.*?hrefs*=s*([“‘])?(?(1) (.*?)\1 | ([^s]+))’isx”, $document, $links);

// catenate the non-empty matches from the conditional subpattern

while (list($key, $val) = each($links[2])) {

if (!empty($val))

$match[] = $val;

} while (list($key, $val) = each($links[3])) {

if (!empty($val))

$match[] = $val;

}

// return the links

return $match;

}

/*===================================================================*

Function: _expandlinks

Purpose: expand each link into a fully qualified URL

Input: $links the links to qualify

$URI the full URI to get the base from

Output: $expandedLinks the expanded links

*===================================================================*/

function _expandlinks($links,$URI)

{

$URI_PARTS = parse_url($URI);

$host = $URI_PARTS[“host”];

preg_match(“/^[^?]+/”,$URI,$match);

$match = preg_replace(“|/[^/.]+.[^/.]+$|”,””,$match[0]);

$match = preg_replace(“|/$|”,””,$match);

$match_part = parse_url($match);

$match_root =

$match_part[“scheme”].”://”.$match_part[“host”];

$search = array( “|^http://”.preg_quote($host).”|i”,

“|^(/)|i”,

“|^(?!http://)(?!mailto:)|i”,

“|/./|”,

“|/[^/]+/../|”

);

$replace = array( “”,

$match_root.”/”,

$match.”/”,

“/”,

“/”

);

$expandedLinks = preg_replace($search,$replace,$links);

return $expandedLinks;

}

?

php curl提交头部信息错误

CURLOPT_HTTPHEADER：

一个用来设置HTTP头字段的数组。使用如下的形式的数组进行设置： array(‘Content-type: text/plain’, ‘Content-length: 100’)  

?php

function getwebcontent($url){

    $ch = curl_init();

    $data = array (

        ‘ap’ = ‘2’,

        ‘c1’ = ‘4’,

        ‘c2’ = ‘4’,

        ‘g_w’ = ‘0100’,

        ‘dd’ = ‘0’,

        ‘h’ = ‘8’,

        ‘iasign’ = ‘bedvkt2gyd9vkgrx’,

        ‘pp’ = ‘200’,

    );

    $headers[‘X-rvt’] = ‘IA401004bedvkt2gyd9vkgrx82lIsT’;

    $headers[‘Referer’] = ‘;c2=4g_w=0100h=1’;

    $headers[‘Accept-Language’] = ‘zh-CN,zh;q=0.8,en-US;q=0.5,en;q=0.3’;

    $headers[‘Cookie’] = ‘iasign=bedvkt2gyd9vkgrx;’;

    $timeout = 20;

    curl_setopt ($ch, CURLOPT_URL, $url);

    curl_setopt ($ch, CURLOPT_POST, 1);

    curl_setopt ($ch, CURLOPT_VERBOSE , 0);

    curl_setopt ($ch, CURLOPT_HEADER, 1);

    curl_setopt ($ch, CURLOPT_RETURNTRANSFER, 0);

    curl_setopt ($ch, CURLOPT_CONNECTTIMEOUT, $timeout);

    curl_setopt ($ch, CURLOPT_FOLLOWLOCATION, 0);

    curl_setopt ($ch, CURLOPT_POSTFIELDS, $data );

    curl_setopt ($ch, CURLOPT_HTTPHEADER , $headers);

    $contents = curl_exec($ch);

    curl_close($ch);

    return  $contents;

}

$c = getwebcontent(”);

print($c);

请问高手，如何解决php的curl内存不够的问题呢？

curl下载的文件内容是可以直接输出到文件，而不是内存，请设置这个选项：

$fp = fopen(‘temp.jpg’, ‘w’);

curl_setopt($c, CURLOPT_RETURNTRANSFER, false);

curl_setopt($c, CURLOPT_FILE, $fp);

也可以通过设置memory_limit来提高最大内存使用量

ini_set(‘memory_limit’, ‘1024M’);

您的采纳就是我的动力！