php采集网页数据不完整问题(php采集网页数据不完整问题怎么解决)

本文目录一览:

php抓取网页内容不完整

用CURL可以抓取到的 可能是你网速太慢超时了 所以抓取不完整 用 curl_setopt($ch, CURLOPT_TIMEOUT, 360) 试试看

用PHP获取网页内容的时候获取不完全 求能完全获取的方法

curl是获取的服务器端编译后返回的代码 . 是原始的.

curl 里 没法解析执行js . 所以得到的一直都是原始的代码.

而浏览器在拿到服务器返回的代码的时候, 会执行页面加载js ,

js 会在DOM 里动态添加或修改删除一些节点元素.

查看元素看到的就是经过js一顿处理之后的html内容 不是原始的了. ..

所以单纯使用curl 没法获取到”所见即所存”的代码…

php获取数据为什么curl获取不完整

因为,PHP CURL库默认1024字节的长度不等待数据的返回,所以你那段代码需增加一项配置:

curl_setopt($ch, CURLOPT_HTTPHEADER, array(‘Expect:’));

给你一个更全面的封装方法:

function req_curl($url, $status = null, $options = array())

{

$res = ”;

$options = array_merge(array(

‘follow_local’ = true,

‘timeout’ = 30,

‘max_redirects’ = 4,

‘binary_transfer’ = false,

‘include_header’ = false,

‘no_body’ = false,

‘cookie_location’ = dirname(__FILE__) . ‘/cookie’,

‘useragent’ = ‘Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1’,

‘post’ = array() ,

‘referer’ = null,

‘ssl_verifypeer’ = 0,

‘ssl_verifyhost’ = 0,

‘headers’ = array(

‘Expect:’

) ,

‘auth_name’ = ”,

‘auth_pass’ = ”,

‘session’ = false

) , $options);

$options[‘url’] = $url;

$s = curl_init();

if (!$s) return false;

curl_setopt($s, CURLOPT_URL, $options[‘url’]);

curl_setopt($s, CURLOPT_HTTPHEADER, $options[‘headers’]);

curl_setopt($s, CURLOPT_SSL_VERIFYPEER, $options[‘ssl_verifypeer’]);

curl_setopt($s, CURLOPT_SSL_VERIFYHOST, $options[‘ssl_verifyhost’]);

curl_setopt($s, CURLOPT_TIMEOUT, $options[‘timeout’]);

curl_setopt($s, CURLOPT_MAXREDIRS, $options[‘max_redirects’]);

curl_setopt($s, CURLOPT_RETURNTRANSFER, true);

curl_setopt($s, CURLOPT_FOLLOWLOCATION, $options[‘follow_local’]);

curl_setopt($s, CURLOPT_COOKIEJAR, $options[‘cookie_location’]);

curl_setopt($s, CURLOPT_COOKIEFILE, $options[‘cookie_location’]);

if (!empty($options[‘auth_name’]) is_string($options[‘auth_name’]))

{

curl_setopt($s, CURLOPT_USERPWD, $options[‘auth_name’] . ‘:’ . $options[‘auth_pass’]);

}

if (!empty($options[‘post’]))

{

curl_setopt($s, CURLOPT_POST, true);

curl_setopt($s, CURLOPT_POSTFIELDS, $options[‘post’]);

//curl_setopt($s, CURLOPT_POSTFIELDS, array(‘username’ = ‘aeon’, ‘password’ = ‘111111’));

}

if ($options[‘include_header’])

{

curl_setopt($s, CURLOPT_HEADER, true);

}

if ($options[‘no_body’])

{

curl_setopt($s, CURLOPT_NOBODY, true);

}

if ($options[‘session’])

{

curl_setopt($s, CURLOPT_COOKIESESSION, true);

curl_setopt($s, CURLOPT_COOKIE, $options[‘session’]);

}

curl_setopt($s, CURLOPT_USERAGENT, $options[‘useragent’]);

curl_setopt($s, CURLOPT_REFERER, $options[‘referer’]);

$res = curl_exec($s);

$status = curl_getinfo($s, CURLINFO_HTTP_CODE);

curl_close($s);

return $res;

}

php获取数据为什么curl获取不完整?而用file_get_contents能获取完整?

因为,PHP CURL库默认1024字节的长度不等待数据的返回,所以你那段代码需增加一项配置:

curl_setopt($ch, CURLOPT_HTTPHEADER, array(‘Expect:’));

给你一个更全面的封装方法:

function req_curl($url, $status = null, $options = array())

{

    $res = ”;

    $options = array_merge(array(

        ‘follow_local’ = true,

        ‘timeout’ = 30,

        ‘max_redirects’ = 4,

        ‘binary_transfer’ = false,

        ‘include_header’ = false,

        ‘no_body’ = false,

        ‘cookie_location’ = dirname(__FILE__) . ‘/cookie’,

        ‘useragent’ = ‘Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1’,

        ‘post’ = array() ,

        ‘referer’ = null,

        ‘ssl_verifypeer’ = 0,

        ‘ssl_verifyhost’ = 0,

        ‘headers’ = array(

            ‘Expect:’

        ) ,

        ‘auth_name’ = ”,

        ‘auth_pass’ = ”,

        ‘session’ = false

    ) , $options);

    $options[‘url’] = $url;

    $s = curl_init();

    if (!$s) return false;

    curl_setopt($s, CURLOPT_URL, $options[‘url’]);

    curl_setopt($s, CURLOPT_HTTPHEADER, $options[‘headers’]);

    curl_setopt($s, CURLOPT_SSL_VERIFYPEER, $options[‘ssl_verifypeer’]);

    curl_setopt($s, CURLOPT_SSL_VERIFYHOST, $options[‘ssl_verifyhost’]);

    curl_setopt($s, CURLOPT_TIMEOUT, $options[‘timeout’]);

    curl_setopt($s, CURLOPT_MAXREDIRS, $options[‘max_redirects’]);

    curl_setopt($s, CURLOPT_RETURNTRANSFER, true);

    curl_setopt($s, CURLOPT_FOLLOWLOCATION, $options[‘follow_local’]);

    curl_setopt($s, CURLOPT_COOKIEJAR, $options[‘cookie_location’]);

    curl_setopt($s, CURLOPT_COOKIEFILE, $options[‘cookie_location’]);

    if (!empty($options[‘auth_name’])  is_string($options[‘auth_name’]))

    {

        curl_setopt($s, CURLOPT_USERPWD, $options[‘auth_name’] . ‘:’ . $options[‘auth_pass’]);

    }

    if (!empty($options[‘post’]))

    {

        curl_setopt($s, CURLOPT_POST, true);

        curl_setopt($s, CURLOPT_POSTFIELDS, $options[‘post’]);

        //curl_setopt($s, CURLOPT_POSTFIELDS, array(‘username’ = ‘aeon’, ‘password’ = ‘111111’));

    }

    if ($options[‘include_header’])

    {

        curl_setopt($s, CURLOPT_HEADER, true);

    }

    if ($options[‘no_body’])

    {

        curl_setopt($s, CURLOPT_NOBODY, true);

    }

    if ($options[‘session’])

    {

        curl_setopt($s, CURLOPT_COOKIESESSION, true);

        curl_setopt($s, CURLOPT_COOKIE, $options[‘session’]);

    }

    curl_setopt($s, CURLOPT_USERAGENT, $options[‘useragent’]);

    curl_setopt($s, CURLOPT_REFERER, $options[‘referer’]);

    $res = curl_exec($s);

    $status = curl_getinfo($s, CURLINFO_HTTP_CODE);

    curl_close($s);

    return $res;

}

原创文章,作者:小蓝,如若转载,请注明出处:https://www.506064.com/n/282995.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
小蓝小蓝
上一篇 2024-12-22 08:06
下一篇 2024-12-22 08:06

相关推荐

  • Python官网中文版:解决你的编程问题

    Python是一种高级编程语言,它可以用于Web开发、科学计算、人工智能等领域。Python官网中文版提供了全面的资源和教程,可以帮助你入门学习和进一步提高编程技能。 一、Pyth…

    编程 2025-04-29
  • Python读取CSV数据画散点图

    本文将从以下方面详细阐述Python读取CSV文件并画出散点图的方法: 一、CSV文件介绍 CSV(Comma-Separated Values)即逗号分隔值,是一种存储表格数据的…

    编程 2025-04-29
  • 如何解决WPS保存提示会导致宏不可用的问题

    如果您使用过WPS,可能会碰到在保存的时候提示“文件中含有宏,保存将导致宏不可用”的问题。这个问题是因为WPS在默认情况下不允许保存带有宏的文件,为了解决这个问题,本篇文章将从多个…

    编程 2025-04-29
  • Python中读入csv文件数据的方法用法介绍

    csv是一种常见的数据格式,通常用于存储小型数据集。Python作为一种广泛流行的编程语言,内置了许多操作csv文件的库。本文将从多个方面详细介绍Python读入csv文件的方法。…

    编程 2025-04-29
  • 如何用Python统计列表中各数据的方差和标准差

    本文将从多个方面阐述如何使用Python统计列表中各数据的方差和标准差, 并给出详细的代码示例。 一、什么是方差和标准差 方差是衡量数据变异程度的统计指标,它是每个数据值和该数据值…

    编程 2025-04-29
  • Python多线程读取数据

    本文将详细介绍多线程读取数据在Python中的实现方法以及相关知识点。 一、线程和多线程 线程是操作系统调度的最小单位。单线程程序只有一个线程,按照程序从上到下的顺序逐行执行。而多…

    编程 2025-04-29
  • Python爬取公交数据

    本文将从以下几个方面详细阐述python爬取公交数据的方法: 一、准备工作 1、安装相关库 import requests from bs4 import BeautifulSou…

    编程 2025-04-29
  • Python两张表数据匹配

    本篇文章将详细阐述如何使用Python将两张表格中的数据匹配。以下是具体的解决方法。 一、数据匹配的概念 在生活和工作中,我们常常需要对多组数据进行比对和匹配。在数据量较小的情况下…

    编程 2025-04-29
  • Python数据标准差标准化

    本文将为大家详细讲述Python中的数据标准差标准化,以及涉及到的相关知识。 一、什么是数据标准差标准化 数据标准差标准化是数据处理中的一种方法,通过对数据进行标准差标准化可以将不…

    编程 2025-04-29
  • Java Thread.start() 执行几次的相关问题

    Java多线程编程作为Java开发中的重要内容,自然会有很多相关问题。在本篇文章中,我们将以Java Thread.start() 执行几次为中心,为您介绍这方面的问题及其解决方案…

    编程 2025-04-29

发表回复

登录后才能评论