下面简单说一下php抓取页面的几种方法及原理:
一、 php抓取页面的主要方法：
1. file()函数
2. file_get_contents()函数
3. fopen()->fread()->fclose()模式
4.curl方式
5. fsockopen()函数 socket模式
6. 使用插件(如：http://sourceforge.net/projects/snoopy/)
二、php解析html或xml代码主要方式：
1. file()函数
? 1 2 3 4 5 6 7 8 9 2. file_get_contents()函数
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。
? 1 2 3 4 5 6 7 fread()->fclose()模式
? 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 4. curl方式
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。
? 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 5. fsockopen()函数 socket模式
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。
? 1 2 3 4 5 6 7 8 9 10 11 12 13 14 \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); }
6. 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。
? 1 2 3 4 5 6 7 8 9 10 11 12 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; 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 $agent” （引号中的内容）。浏览器内容你可以使用php来获得，
使用 echo $_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。
http://www.bkjia.com/phpjc/735061.htmlwww.bkjia.comtruehttp://www.bkjia.com/phpjc/735061.htmltecharticle我们在开发网络程序时，往往需要抓取非本地文件，一般情况下都是利用php模拟浏览器的访问，通过http请求访问url地址， 然后得到html源代...