file_get_contents脚本适用于某些网站，但不适用于其他人

我期待构建一个解析特定标签HTML的PHP脚本。我一直在使用这个代码块，改编自该tutorial：file_get_contents脚本适用于某些网站，但不适用于其他人

<?php 
$data = file_get_contents('http://www.google.com'); 
$regex = '/<title>(.+?)</'; 
preg_match($regex,$data,$match); 
var_dump($match); 
echo $match[1]; 
?>

脚本与一些网站的工作（如谷歌，以上），但是当我尝试它与其他网站（比如说，新鲜直达）我得到这个错误：

“Warning：file_get_contents（http://www.freshdirect.com）[function.file-get-contents]：无法打开流：HTTP请求失败！”

我在StackOverflow上看到很多suggestions，例如在php.ini中启用extension=php_openssl.dll。但是（1）我的php.ini版本没有extension=php_openssl.dll，并且（2）当我将它添加到扩展部分并重新启动WAMP服务器时，根据这个thread，仍然没有成功。

有人会指出我在正确的方向吗？非常感谢你！

来源

2011-08-01 Jeff Engler

也许看看袅袅喜欢上了这一个：http://stackoverflow.com/questions/697472/file-get-contents-returning-failed-to-open-stream-http-request-failed – MaxiWheat

$html = file_get_html('http://google.com/'); 
$title = $html->find('title')->innertext;

或者，如果你喜欢用的preg_match，你应该用真正的卷曲而不是FGC ...

function curl($url){ 

    $headers[] = "User-Agent:Mozilla/5.0 (Windows; U; Windows NT 5.1; en-US; rv:1.9.2.13) Gecko/20101203 Firefox/3.6.13"; 
    $headers[] = "Accept:text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8"; 
    $headers[] = "Accept-Language:en-us,en;q=0.5"; 
    $headers[] = "Accept-Encoding:gzip,deflate"; 
    $headers[] = "Accept-Charset:ISO-8859-1,utf-8;q=0.7,*;q=0.7"; 
    $headers[] = "Keep-Alive:115"; 
    $headers[] = "Connection:keep-alive"; 
    $headers[] = "Cache-Control:max-age=0"; 

    $curl = curl_init(); 
    curl_setopt($curl, CURLOPT_URL, $url); 
    curl_setopt($curl, CURLOPT_HTTPHEADER, $headers); 
    curl_setopt($curl, CURLOPT_ENCODING, "gzip"); 
    curl_setopt($curl, CURLOPT_RETURNTRANSFER, 1); 
    curl_setopt($curl, CURLOPT_FOLLOWLOCATION, 1); 
    $data = curl_exec($curl); 
    curl_close($curl); 
    return $data; 

} 


$data = curl('http://www.google.com'); 
$regex = '#<title>(.*?)</title>#mis'; 
preg_match($regex,$data,$match); 
var_dump($match); 
echo $match[1];

来源

2011-08-01 18:58:49

只有使用简单的html dom，如果你没有[更快的替代方案]之间的选择（http://stackoverflow.com/questions/3577641/best-methods-to-parse-html-with-php/3577662# 3577662） – Wrikken

@Wrikken，在哪些方面更快？ –

DOM解析和一般搜索/更改DOM（但它可能有点冗长，做一些实际的改动，如果它不用于DOM，因此链接到包的答案，使它像simplehtmldom一样简单，但仍然使用dom/libxml用于更快的处理）。 – Wrikken

它只是需要一个用户代理（“任何”真的，任何字符串就足够了）：

file_get_contents("http://www.freshdirect.com",false,stream_context_create(
    array("http" => array("user_agent" => "any")) 
));

请参阅more options。

当然，你也可以在您的INI设置user_agent：

ini_set("user_agent","any"); 
echo file_get_contents("http://www.freshdirect.com");

...但我宁愿是明确的下一个程序员做这个工作。

来源

2011-08-01 19:27:05 Wrikken

谢谢 - 非常感谢！ –

另一种选择：有些主机禁用CURLOPT_FOLLOWLOCATION所以递归是你想要的，也会登录到文本文件中的任何错误。另外一个简单的例子就是如何使用DOMDocument()来提取内容，显然它不是广泛的，但可以构建appon。

<?php 
function file_get_site($url){ 
(function_exists('curl_init')) ? '' : die('cURL Must be installed. Ask your host to enable it or uncomment extension=php_curl.dll in php.ini'); 
$curl = curl_init(); 
$header[0] = "Accept: text/xml,application/xml,application/xhtml+xml,"; 
$header[0] .= "text/html;q=0.9,text/plain;q=0.8,image/png,*/*;q=0.5"; 
$header[] = "Cache-Control: max-age=0"; 
$header[] = "Connection: keep-alive"; 
$header[] = "Keep-Alive: 300"; 
$header[] = "Accept-Charset: ISO-8859-1,utf-8;q=0.7,*;q=0.7"; 
$header[] = "Accept-Language: en-us,en;q=0.5"; 
$header[] = "Pragma: "; 

curl_setopt($curl, CURLOPT_URL, $url); 
curl_setopt($curl, CURLOPT_USERAGENT, 'Mozilla/5.0 (Windows NT 5.1; rv:5.0) Gecko/20100101 Firefox/5.0 Firefox/5.0'); 
curl_setopt($curl, CURLOPT_HTTPHEADER, $header); 
curl_setopt($curl, CURLOPT_HEADER, true); 
curl_setopt($curl, CURLOPT_REFERER, $url); 
curl_setopt($curl, CURLOPT_ENCODING, 'gzip,deflate'); 
curl_setopt($curl, CURLOPT_AUTOREFERER, true); 
curl_setopt($curl, CURLOPT_RETURNTRANSFER, true); 
curl_setopt($curl, CURLOPT_TIMEOUT, 60); 

$html = curl_exec($curl); 

$status = curl_getinfo($curl); 
curl_close($curl); 

if($status['http_code']!=200){ 
    if($status['http_code'] == 301 || $status['http_code'] == 302) { 
     list($header) = explode("\r\n\r\n", $html, 2); 
     $matches = array(); 
     preg_match("/(Location:|URI:)[^(\n)]*/", $header, $matches); 
     $url = trim(str_replace($matches[1],"",$matches[0])); 
     $url_parsed = parse_url($url); 
     return (isset($url_parsed))? file_get_site($url):''; 
    } 
    $oline=''; 
    foreach($status as $key=>$eline){$oline.='['.$key.']'.$eline.' ';} 
    $line =$oline." \r\n ".$url."\r\n-----------------\r\n"; 
    $handle = @fopen('./curl.error.log', 'a'); 
    fwrite($handle, $line); 
    return FALSE; 
} 
return $html; 
} 


function get_content_tags($source,$tag,$id=null,$value=null){ 
    $xml = new DOMDocument(); 
    @$xml->loadHTML($source); 

    foreach($xml->getElementsByTagName($tag) as $tags) { 
     if($id!=null){ 
      if($tags->getAttribute($id)==$value){ 
       return $tags->getAttribute('content'); 
      } 
     } 
     return $tags->nodeValue; 
    } 
} 


$source = file_get_site('http://www.freshdirect.com/about/index.jsp'); 

echo get_content_tags($source,'title'); //FreshDirect 

echo get_content_tags($source,'meta','name','description'); //Online grocer providing high quality fresh...... 

?>

来源

2011-08-01 19:31:15

谢谢@lawrence！ –

file_get_contents脚本适用于某些网站，但不适用于其他人

回答

相关问题