主要流程就是获取整个网页，然后正则匹配（关键的）。

PHP抓取页面的主要方法,有几种方法是网上前辈的经验，现在还没有用到的，先存下来以后试试。

1. file()函数

2. file_get_contents()函数

3. fopen()->fread()->fclose()模式

4. curl方式  （本人主要用这个）

5. fsockopen()函数 socket模式

6. 插件(如：

   2.使用file_get_contents方法实现，比较简单。
   使用file_get_contents和fopen必须空间开启allow_url_fopen。方法：编辑php.ini，设置 allow_url_fopen = On，allow_url_fopen关闭时fopen和file_get_contents都不能打开远程文件。

   $url="[http://news.sina.com.cn/c/nd/2016-10-23/doc-ifxwztru6951143.shtml](http://news.sina.com.cn/c/nd/2016-10-23/doc-ifxwztru6951143.shtml)";$html=file_get_contents($url);
   //如果出现中文乱码使用下面代码`
   //$getcontent = iconv("gb2312", "utf-8",$html);echo"<textarea style='width:800px;height:600px;'>".$html."</textarea>";

   1. fopen()->fread()->fclose()模式  ，目前还没用过，看到了就先记下了

   <?php//定义url$url='[http://t.qq.com](http://t.qq.com/)';//fopen以二进制方式打开 $handle=fopen($url,"rb");//变量初始化$lines_string="";//循环读取数据do{
   $data=fread($handle,1024);   
   if(strlen($data)==0) {`break; 
   }  
   $lines_string.=$data;
   }while(true);//关闭fopen句柄，释放资源fclose($handle);//输出内容echo $lines_string;

   4.使用curl实现（本人一般使用这个）。
   使用curl必须空间开启curl。方法：windows下修改php.ini，将extension=php_curl.dll前面的分号去掉，而且需 要拷贝ssleay32.dll和libeay32.dll到C:\WINDOWS\system32下；Linux下要安装curl扩展。

   <?phpheader("Content-Type: text/html;charset=utf-8");
   date_default_timezone_set('PRC');
   $url = "https://***********ycare";//要爬取的网址$res = curl_get_contents($url);//curl封装方法preg_match_all('/<script>(.*?)<\/script>/',$res,$arr_all);//这个网页中数据通过js包过来，所以直接抓js就可以preg_match_all('/"id"\:"(.*?)",/',$arr_all[1][1],$arr1);//从js块中匹配要的数据$list = array_unique($arr1[1]);//（可省）保证不重复//以下则是同理，循环则可for($i=0;$i<=6;$i=$i+2){
       $detail_url = 'ht*****em/'.$list[$i];
       $detail_res = curl_get_contents($detail_url);
       preg_match_all('/<script>(.*?)<\/script>/',$detail_res,$arr_detail);
       preg_match('/"desc"\:"(.*?)",/',$arr_detail[1][1],$arr_content);
       ***
           ***
           ***
       $ret=curl_post('http://**********cms.php',$result);//此脚本未放在服务器上，原因大家懂就好哈。}function curl_get_contents($url,$cookie='',$referer='',$timeout=300,$ishead=0) {
       $curl = curl_init();
       curl_setopt($curl, CURLOPT_RETURNTRANSFER,1);
       curl_setopt($curl, CURLOPT_FOLLOWLOCATION,1);
       curl_setopt($curl, CURLOPT_URL,$url);
       curl_setopt($curl, CURLOPT_TIMEOUT,$timeout);
       curl_setopt($curl, CURLOPT_USERAGENT,'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.181 Safari/537.36');    if($cookie)
       {
           curl_setopt( $curl, CURLOPT_COOKIE,$cookie);
       }    if($referer)
       {
           curl_setopt ($curl,CURLOPT_REFERER,$referer);
       }
       $ssl = substr($url, 0, 8) == "https://" ? TRUE : FALSE;    if ($ssl)
       {
           curl_setopt($curl, CURLOPT_SSL_VERIFYHOST, false);
           curl_setopt($curl, CURLOPT_SSL_VERIFYPEER, false);
       }
       $res = curl_exec($curl);    return $res;
       curl_close($curl);
   }//curl  post数据到服务器function curl_post($url,$data){
       $ch = curl_init();
       curl_setopt($ch,CURLOPT_RETURNTRANSFER,1);    //curl_setopt($ch,CURLOPT_FOLLOWLOCATION, 1);
       curl_setopt($ch, CURLOPT_SSL_VERIFYPEER, FALSE);
       curl_setopt($ch,CURLOPT_USERAGENT,'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.181 Safari/537.36');
       curl_setopt($ch,CURLOPT_URL,$url);
       curl_setopt($ch,CURLOPT_POST,true);
       curl_setopt($ch,CURLOPT_POSTFIELDS,$data);
       $output = curl_exec($ch);
       curl_close($ch);    return $output; 
   }?>

   1. fsockopen()函数 socket模式（没用过，以后可以试试）
      socket模式能否正确执行，也跟服务器的设置有关系，具体可以通过phpinfo查看服务器开启了哪些通信协议

   <?php$fp = fsockopen("t.qq.com", 80, $errno, $errstr, 30);if (!$fp) {    echo "$errstr ($errno)<br />\n";
   } else {    $out = "GET / HTTP/1.1\r\n";    $out .= "Host: t.qq.com\r\n";    $out .= "Connection: Close\r\n\r\n";
       fwrite($fp, $out);    while (!feof($fp)) {        echo fgets($fp, 128);
       }
       fclose($fp);
   }

   1. snoopy插件，最新版本是Snoopy-1.2.4.zip Last Update: 2013-05-30，推荐大家使用
      使用网上非常流行的snoopy来进行采集，这是一个非常强大的采集插件，并且它的使用非常方便，你也可以在里面设置agent来模拟浏览器信息。
      说明：设置agent是在 Snoopy.class.php 文件的第45行，请在该文件中搜索 “var 公式输入有误_SERVER['HTTP_USER_AGENT']; 可以得到浏览器信息，将echo出来的内容复制到agent里面就可以了。

   <?php//引入snoopy的类文件require('Snoopy.class.php');//初始化snoopy类$snoopy=new Snoopy;
   $url="[http://t.qq.com](http://t.qq.com/)";//开始采集内容`$snoopy->fetch($url);//保存采集内容到$lines_string$lines_string=$snoopy->results;//输出内容，嘿嘿，大家也可以保存在自己的服务器上echo $lines_string;

   
   
   作者：Sean_Zhou
   链接：https://www.jianshu.com/p/d1c65b2c63c6