php小偷程序实例代码
小偷程序其实就是利用了php中的一特定函数实现采集别人网站的内容,然后通过正则分析把我们想要的内容保存到自己本地数据库,下面我来介绍php小偷程序的实现方法,有需要的朋友可参考.
在下面采集数据过程中file_get_contents函数是关键了,下面我们来看看file_get_contents函数语法.
string file_get_contents ( string $filename [, bool $use_include_path = false [, resource $context [, int $offset = -1 [, int $maxlen ]]]] )
和 file() 一样,只除了 file_get_contents() 把文件读入一个字符串,将在参数 offset 所指定的位置开始读取长度为 maxlen 的内容,如果失败,file_get_contents() 将返回 FALSE.
file_get_contents() 函数是用来将文件的内容读入到一个字符串中的首选方法,如果操作系统支持还会使用内存映射技术来增强性能.
例,代码如下:
<?php $homepage = file_get_contents ( 'http://HdhCmsTestphpfensi测试数据/' ); echo $homepage ; ?>这样$homepage就是我们采集网的内容给保存下来了,好了说了这么多我们开始吧.
例,代码如下:
<?php function fetch_urlpage_contents( $url ){ $c = file_get_contents ( $url ); return $c ; } //获取匹配内容 function fetch_match_contents( $begin , $end , $c ) { $begin =change_match_string( $begin ); $end =change_match_string( $end ); $p = "{$begin}(.*){$end}" ; if ( eregi ( $p , $c , $rs )) { return $rs [1];} else { return "" ;} } //转义正则表达式字符串 function change_match_string( $str ){ //注意，以下只是简单转义 //$old=array("/","$"); //$new=array("/","$"); $str = str_replace ( $old , $new , $str ); return $str ; } //采集网页 function pick( $url , $ft , $th ) { $c =fetch_urlpage_contents( $url ); foreach ( $ft as $key => $value ) { $rs [ $key ]=fetch_match_contents( $value [ "begin" ], $value [ "end" ], $c ); if ( is_array ( $th [ $key ])) { foreach ( $th [ $key ] as $old => $new ) { $rs [ $key ]= str_replace ( $old , $new , $rs [ $key ]); } } } return $rs ; } $url = "http://HdhCmsTestphpfensi测试数据" ; //要采集的地址 $ft [ "title" ][ "begin" ]= "<title>" ; //截取的开始点 $ft [ "title" ][ "end" ]= "</title>" ; //截取的结束点 $th [ "title" ][ "中山" ]= "广东" ; //截取部分的替换 $ft [ "body" ][ "begin" ]= "<body>" ; //截取的开始点 $ft [ "body" ][ "end" ]= "</body>" ; //截取的结束点 $th [ "body" ][ "中山" ]= "广东" ; //截取部分的替换 $rs =pick( $url , $ft , $th ); //开始采集 echo $rs [ "title" ]; echo $rs [ "body" ]; //输出 ?>以下代码从上一面修改而来,专门用于提取网页所有超链接,邮箱或其他特定内容,代码如下:
<?php function fetch_urlpage_contents( $url ){ $c = file_get_contents ( $url ); return $c ; } //获取匹配内容 function fetch_match_contents( $begin , $end , $c ) { $begin =change_match_string( $begin ); $end =change_match_string( $end ); $p = "#{$begin}(.*){$end}#iU" ; //i表示忽略大小写，U禁止贪婪匹配 if (preg_match_all( $p , $c , $rs )) { return $rs ;} else { return "" ;} } //转义正则表达式字符串 function change_match_string( $str ){ //注意，以下只是简单转义 $old = array ( "/" , "$" , '?' ); $new = array ( "/" , "$" , '?' ); $str = str_replace ( $old , $new , $str ); return $str ; } //采集网页 function pick( $url , $ft , $th ) { $c =fetch_urlpage_contents( $url ); foreach ( $ft as $key => $value ) { $rs [ $key ]=fetch_match_contents( $value [ "begin" ], $value [ "end" ], $c ); if ( is_array ( $th [ $key ])) { foreach ( $th [ $key ] as $old => $new ) { $rs [ $key ]= str_replace ( $old , $new , $rs [ $key ]); } } } return $rs ; } $url = "http://HdhCmsTestphpfensi测试数据" ; //要采集的地址 $ft [ "a" ][ "begin" ]= '<a' ; //截取的开始点<br /> $ft [ "a" ][ "end" ]= '>' ; //截取的结束点 $rs =pick( $url , $ft , $th ); //开始采集 print_r( $rs [ "a" ]); ?>小提示file_get_contents很是容易被防采集了,我们可以使用curl来模仿用户对网站进行访问,这算比上面要高级不少,file_get_contents()效率稍低些,常用失败的情况、curl()效率挺高的,支持多线程,不过需要开启下curl扩展,下面是curl扩展开启的步骤:
1、将PHP文件夹下的三个文件php_curl.dll,libeay32.dll,ssleay32.dll复制到system32下;
2、将php.ini(c:WINDOWS目录下)中的;extension=php_curl.dll中的分号去掉;
3、重启apache或者IIS.
简单的抓取页面函数,附带伪造 Referer 和 User_Agent 功能,代码如下:
<?php function GetSources( $Url , $User_Agent = '' , $Referer_Url = '' ) //抓取某个指定的页面 { //$Url 需要抓取的页面地址 //$User_Agent 需要返回的user_agent信息 如[baiduspider]或[googlebot] $ch = curl_init(); curl_setopt ( $ch , CURLOPT_URL, $Url ); curl_setopt ( $ch , CURLOPT_USERAGENT, $User_Agent ); curl_setopt ( $ch , CURLOPT_REFERER, $Referer_Url ); curl_setopt( $ch , CURLOPT_FOLLOWLOCATION,1); curl_setopt ( $ch , CURLOPT_RETURNTRANSFER, 1); $MySources = curl_exec ( $ch ); curl_close( $ch ); return $MySources ; } $Url = "http://HdhCmsTestphpfensi测试数据" ; //要获取内容的也没 $User_Agent = "baiduspider+(+http://HdhCmsTestbaidu测试数据/search/spider.htm)" ; $Referer_Url = 'http://HdhCmsTestphpfensi测试数据/' ; echo GetSources( $Url , $User_Agent , $Referer_Url ); ?>查看更多关于php小偷程序实例代码 - php高级应用的详细内容...
声明：本文来自网络，不代表【好得很程序员自学网】立场，转载请注明出处：http://haodehen.cn/did30316