献给所有想学习正则和采集的朋友

<?phpfunction get_url_content($Url,$Method = 'c') { //引入需要的语言编码.如果没有, 就会默认为utf-8,不必担心. global $Charset; $Urlarr = parse_url($Url); //如果检测不出域名,就返回. if (!isset($Urlarr['host'])) { return false; } //我们用智能方式定义header头倍信息. foreach (@getallheaders() as $key => $val){ $key==='Host' && $val = $Urlarr['host']; $key==='Referer' && $val ='http://'.$Urlarr['host']; $str .= ''$key:$val', n'; } //虚拟来路. !eregi('Referer',$str) && $str .=''Referer:http://{$Urlarr['host']}', n'; //经过修正, 基本上, 来路也是那个站, 主机也是Url站点. $Header = array(trim($str)); //下面仅仅是选择用哪个程序来采集. if($Method === 'f'&&function_exists('file_get_contents')) { $opts = array( 'http'=>array( 'method'=>'GET', 'header'=>$Header, ) ); $cxContext = stream_context_create($opts); $file_contents = @file_get_contents($Url, false, $cxContext); } elseif ($Method === 'c'&&function_exists('curl_init')) { $Ch = curl_init(); $Timeout = 5; curl_setopt($Ch,CURLOPT_HTTPHEADER,$Header); curl_setopt ($Ch, CURLOPT_URL, $Url); curl_setopt ($Ch, CURLOPT_RETURNTRANSFER,1); curl_setopt ($Ch, CURLOPT_CONNECTTIMEOUT, $Timeout); $file_contents = curl_exec($Ch); curl_close($Ch); } //为了让样式显示得漂亮,我们给它加一句目标引向. $file_contents = str_replace('</title>','</title>n<base href='http://{$Urlarr['host']}/' />',$file_contents); //处理最常见的几种编码, 如果目标网站没有编码, 就默认为GBK !preg_match('/charset=([^<>']*)'/isU',$file_contents,$lang) && $lang[1]='GBK'; function_exists('mb_convert_encoding') && $file_contents = mb_convert_encoding($file_contents,empty($Charset)?'UTF-8':$Charset,$lang[1]); //注销部分代码; unset($Url,$lang,$Timeout,$Urlarr,$Charset); return $file_contents; } //测试开始 测试用file_get_contents方式HEADER('CONTENT-TYPE:TEXT/HTML; CHARSET=UTF-8');//http://www.xtzj.com/read-htm-tid-347550.html; 这是采集不到.$file = get_url_content('http://www.hao123.com','f');$file = strip_tags($file,'<a>');preg_match_all('/(http:[^'<>]*)>/isU',$file,$link);unset($link[0]);$link = $link[1];

//我们来模拟获得数据. 自己更换数字.0-151; 下面是用curl方式$x = 10; $file = get_url_content($link[$x]);echo $file;?>

全部写上说明,; 注释..

有不明白的回复..我来给采集普及一下知识.

原文地址：http://bbs.phpchina.com/viewthread.php?tid=99263